부스팅의 짧은 정의 :
약한 학습자 세트가 하나의 강력한 학습자를 만들 수 있습니까? 약한 학습자는 실제 분류와 약간만 관련이있는 분류 자로 정의됩니다 (임의 추측보다 예제를 더 잘 레이블링 할 수 있음).
랜덤 포레스트 의 짧은 정의 :
랜덤 포레스트는 많은 분류 트리를 자랍니다. 입력 벡터에서 새 개체를 분류하려면 입력 벡터를 포리스트의 각 나무 아래에 놓습니다. 각 트리는 분류를 제공하며 해당 클래스에 대해 "투표"라고합니다. 숲은 가장 많은 표를 얻은 분류를 선택합니다 (숲의 모든 나무에서).
Random Forest 의 또 다른 짧은 정의 :
랜덤 포레스트는 다양한 의사 결정 트리 분류기에 데이터 집합의 다양한 하위 샘플에 적합하고 평균을 사용하여 예측 정확도를 개선하고 과적 합을 제어하는 메타 추정기입니다.
내가 알기로 랜덤 포레스트는 나무를 약한 분류 자로 사용하는 부스팅 알고리즘입니다. 나는 또한 다른 기술을 사용하고 향상시킵니다. 누군가 랜덤 포레스트가 부스팅 알고리즘이 아니라고 수정했습니다.
랜덤 포레스트가 부스팅 알고리즘이 아닌 이유는 무엇입니까?