AdaBoost (Adaptive Boosting) to algorytm uczenia zespołowego, który łączy wiele słabych modeli klasyfikacji (najczęściej tzw. pniaków decyzyjnych) w jeden silny model. Działa w sposób sekwencyjny, przypisując wyższe wagi tym próbkom danych, które zostały błędnie sklasyfikowane przez poprzednie modele. Dzięki temu kolejne algorytmy skupiają się bardziej na trudnych i problematycznych przypadkach. Ostateczna prognoza jest wynikiem ważonego głosowania wszystkich utworzonych modeli bazowych.
Źródło: geeksforgeeks.org
