تقویت تطبیقی (آدابوست (AdaBoost))
در آدابوست، تمرکز روی نمونه‌هایی است که اشتباه طبقه‌بندی شده‌اند و به آن‌ها وزن بیشتری داده می‌شود تا در مراحل بعدی دقت مدل افزایش یابد. در این قسمت، چگونگی کارکرد آدابوست را در عمل می‌بینید و آن را با استفاده از scikit-learn پیاده‌سازی می‌کنید.
برای دسترسی به محتوای کامل این دوره، در آن شرکت کنید.