AdaBoost (Adaptive Boosting の略) は、1996 年に Freund と Schapire によって開発された機械学習アルゴリズムです。教師あり学習設定で分類器を構築するために使用されるアルゴリズムです。 AdaBoost 分類器は弱学習器から始まり、弱学習器が誤って分類したインスタンスにより多くの重みを与えることで反復的に改善されます。これを行うことで、アルゴリズムは一連の弱学習器から強力な分類器を開発できます。
AdaBoost の目的は、低い計算コストを維持しながら、分類器のエラー率を減らすことです。これは、複数の「弱」分類子を 1 つの「強」分類子に結合することによって機能します。このアルゴリズムは、弱分類器が誤って分類した困難なインスタンスに焦点を当てるために、各トレーニング インスタンスに関連付けられた重みを繰り返し変更します。最後の強分類器は、弱分類器の組み合わせです。
AdaBoost は、最も人気があり、成功を収めている機械学習アルゴリズムの 1 つです。これは分類問題に対する強力なアプローチであり、リモート センシング、物体認識、医療診断などの多くの実世界のアプリケーションで使用されています。計算効率が高く、オンライン学習タスクに導入できます。さらに、学習アルゴリズムが高速であり、過学習が起こりにくいため、ノイズの多いデータに対して堅牢であり、大規模なデータセットにも使用できます。
AdaBoost は、分類問題と回帰問題の両方に適用できます。アルゴリズムが環境の変化に適応するため、時間の経過とともに常に改善される能力でも知られています。
