Boosting algorithm AdaBoost and its generalization in function space

Boosting jest metodą uczenia maszynowego służącą do zwiększania skuteczności dowolnego algorytmu, umożliwiającą klasyfikowanie danych z większą dokładnością. W pracy omówione zostały teoretyczne podstawy działania tytułowego algorytmu, udowodniona została zbieżność błędu klasyfikacji, a zagadnienia teoretyczne zostały zestawione z rzeczywistymi danymi, co pozwoliło na ocenę skuteczności algorytmu. Wprowadzone zostało również uogólnienie omawianego algorytmu na przestrzeni funkcyjnej i dowody zbieżności uogólnionej wersji algorytmu nazywanej AnyBoost.

Boosting is a machine learning algorithm which is used to improve classification accuracy of any learning method. In master thesis there are presented theoretical bases of AdaBoost algorithm and theorem with its proof for convergence of training error of the output hypothesis. Moreover, theory is compared with real data and conclusions from these results are also presented. In addition, generalization of AdaBoost in function space called AnyBoost is given.