Адаптивный бустинг (от анг. Adaptive Boosting, AdaBoost) – алгоритм машинного обучения, который позволяет исправлять ошибки предыдущих классификаторов. Каждый классификатор на тренировочной выборке данных учится прогнозировать классы объектов. Ошибки классификации поступают в другой классификатор в цепочке и исправляются. Это продолжается до тех пор, пока не будет получена оптимальная модель.

В палитре узлов узел Адаптивный бустинг расположен в разделе Анализ данных.

Узел Адаптивный бустинг требует наличия одного родительского узла, который генерирует таблицу данных, например, узел-источник данных, операции со строками или колонками.

Выходом узла является модель классификации объектов. Выходные данные могут использоваться в качестве исходных для узла Применение моделей.

Для того, чтобы настроить узел, выберите целевую колонку (это может быть колонка с булевыми данными, целочисленными ID или строковыми данными), и одну или несколько независимых колонок.

Поле Шаблон имени модели используется для того, чтобы указать имя создаваемой узлом модели, и подробно описано здесь.

Узел Адаптивный бустинг в системе PolyAnalyst использует алгоритм AdaBoost-SAMME. Подробнее об этом – здесь. Математическое обоснование работы узла описано в следующем разделе.

Выход узла будет разбит на несколько вкладок, традиционных для модели классификации, например, Эффективность классификации, Матрица ошибок, Значимость предикторов и др.