ANALISIS KINERJA ALGORITMA QUADRATIC BOOSTING
Chastine Fatichah, Shofwan Hanief Hanief S.Kom, M.Kom · 2009
Kombinasi classifier oleh algoritma boosting, terutama metode AdaBoost, saat ini sering digunakan dalam machine learning dan pengenalan pola. Salah satu karakteristik utama algoritma boosting yaitu memperlakukan base learner sebagai black box. Metode tersebut tidak memerlukan akses ke parameter base classifier. Selain itu, metode AdaBoost menggunakan reweighting dari data training. Pada tugas akhir ini akan mengimplementasikan dan melakukan analisis kinerja pada metode Quadratic Boosting. Metode ini berbeda dengan algoritma AdaBoost yang menggunakan reweighting data training. Metode ini terdiri dari pemanggilan input learner setelah merandom label data set dalam iterasi pertama dan berikutnya memanggilnya dengan melakukan update label secar a sistematis. Keduanya akan membentuk kekuatan kombinasi yang diberikan base learner, yaitu reweighting dan relabeling training set asli. Metode Quadratic Boosting juga akan melakukan uji coba berdasarkan data training dan jumlah cycle. Dari hasil uji coba tersebut dapat diketahui perubahan pada nilai testing error yang berubah secara signifikan atau tidak apabila dibandingkan dengan metode AdaBoost. Selain itu, waktu yang diperlukan metode Quadratic Boosting lebih lama daripada metode AdaBoost.