ADABOOST

AdaBoost(Adaptive Boosting、エイダブースト、アダブースト)は、Yoav FreundとRobert Schapireによって考案された機械学習アルゴリズムである。メタアルゴリズムであり、他の多くの学習アルゴリズムと組み合わせて利用することで、そのパフォーマンスを改善することができる。AdaBoostは前の分類機の間違いに応じて調整された次の分類機を作るという意味で適応的(Adaptive)である。AdaBoostはノイズの多いデータや異常値に影響を受ける。しかし、いくつかの場面では、多くの学習アルゴリズムより過剰適合の影響を受けにくい。AdaBoost は、それぞれの標本に対し、弱い分類器（[weak classifier]）<math>t</math>を、<math> t = 1</math>から<math>t = T</math>まで順に適用し、それぞれの分類器が正解したか否かを判断する。間違って分類された標本に対応する重み<math>D_</math>は、より重くされる（あるいは、正しく分類された標本の場合は、重みを減らす）。これらの標本に対する重みから、次のtのループでは正しい分類器を早く探す事が出来る。