Boosting의 아이디어 여러 개의 Learning 모델을 순차적으로 구축해 최종적으로 합침(앙상블)\ 여기서 사용하는 learning 모델은 매우 단순한(ex. 이진분류에서 0.5보다 정확도가 높은) 모델이다. 즉, 각 단계에서 새로운 base learner를 학습해 이전단계의 base learner 단점 보완 각 단계를 거치며 모델이 점차 강해진다 >> Boosting AdaBoost(Adaptive Boosting) 각 단계에서 새로운 base learner를 학습해 이전 단계의 base learner의 단점을 보완 Training error가 큰 관측치의 선택확률(가중치)를 높이고, training error가 작은 관측치의 선택 확률을 낮춤 오분류한 관측치에 집중한다: 정분류는 신경쓰지 않고 ..
