Adaptive Boosting (AdaBoost) ist ein Begriff aus der Künstlichen Intelligenz sowie Big Data und Smart Data. AdaBoost ist eine Methode im Bereich des maschinellen Lernens, die dabei hilft, besonders präzise Vorhersagen zu treffen.
Stellen Sie sich vor, Sie wollen an einem Fließband fehlerhafte Produkte erkennen. Einzelne, einfache Prüfer (kleine Algorithmen), die dafür zuständig sind, machen jedoch viele Fehler. Adaptive Boosting (AdaBoost) kombiniert viele dieser einfachen Prüfer so, dass sie sich gegenseitig ergänzen. Jeder einzelne Prüfer trifft dabei nur kleine, aber wichtige Entscheidungen. AdaBoost ordnet diesen Prüfern eine Gewichtung zu: Prüfer, die zuverlässig sind, bekommen mehr Gewicht. Am Ende ergibt die gebündelte Entscheidung aller Prüfer zusammen ein deutlich besseres Ergebnis.
Durch Adaptive Boosting (AdaBoost) lassen sich Fehler schneller und zuverlässiger entdecken, selbst wenn die Einzelprüfer nicht perfekt sind. In der Praxis wird AdaBoost zum Beispiel genutzt, um Spam-Filter im E-Mail-Bereich zu verbessern oder Muster in großen Datenmengen zu erkennen. Mit Adaptive Boosting werden Maschinen also intelligenter – und treffen weniger Fehlentscheidungen.
Deutsch 
English (UK)