AdaBoost(提升适应能力)是一种算法，它可以用于组装être utilisé为分类或régression。好的，我们可以在résiste中对机器学习的算法进行更大的调整，它是合理的，données bruitées是不正常的值。
AdaBoost est désigné comme adaptatif car il utilise de nombreuses itérations pour générer un apprentice composite fort。AdaBoost crée l' apprentice fort (un classifieur bien corrélé au classifieur correct) en ajoutant de manière itérative des apprentice faibles (un classifieur légèrement corrélé au classifieur correct)。学徒的课程，一个新学徒可以是ajouté à集合和pondération est ajusté关于例子的口音été classés de manière不正确的课程précédentes。Par conséquent, le classifieur obtenu est doté d'une meilleure précision学徒的分类。
Le boosting adapatif include les algorithms suivants:
- 演算法。M1等演算法。les算法起源于双元和多类分类
- LogitBoost -分类binaire (pour les类故障séparables)
- Gentle AdaBoost ou Gentle boost -分类双aire (pour une utilisation avec les prédicteurs catégoriels multitiiniveaux)
- 鲁棒boost -分类双元(鲁棒控制)
- LSBoost -助推aux moindres carrés (pour les ensemble de régression)
- LPBoost -分类多类à l'aide de boost de programmation linéaire
- RUSBoost -分类多类pour les données décalées ou déséquilibrées
- TotalBoost -分类多类加上稳健的LPBoost
关于提高适应能力的信息，请参阅dédiées à la章节统计和机器学习工具箱™．
