Krótka definicja wzmocnienia :
Czy zestaw słabych uczniów może stworzyć jednego silnego ucznia? Słaby uczeń jest zdefiniowany jako klasyfikator, który jest tylko nieznacznie skorelowany z prawdziwą klasyfikacją (może lepiej opisywać przykłady niż losowe zgadywanie).
Krótka definicja lasu losowego :
Losowe lasy wyrastają z wielu drzew klasyfikacyjnych. Aby sklasyfikować nowy obiekt na podstawie wektora wejściowego, umieść wektor wejściowy w dół każdego drzewa w lesie. Każde drzewo podaje klasyfikację, a my mówimy, że drzewo „głosuje” na tę klasę. Las wybiera klasyfikację mającą najwięcej głosów (nad wszystkimi drzewami w lesie).
Kolejna krótka definicja Losowego lasu :
Losowy las jest meta estymatorem, który pasuje do wielu klasyfikatorów drzewa decyzyjnego w różnych podpróbkach zbioru danych i wykorzystuje uśrednianie w celu poprawy dokładności predykcyjnej i kontroli nadpasowaniem.
Jak rozumiem, Losowy Las jest algorytmem wzmacniającym, który wykorzystuje drzewa jako słabe klasyfikatory. Wiem, że wykorzystuje także inne techniki i ulepsza je. Ktoś mnie poprawił, że losowy las nie jest algorytmem wzmacniającym?
Czy ktoś może wyjaśnić, dlaczego Losowy Las nie jest algorytmem wzmacniającym?