AdaBoost
Etapa 3 · Del auge experto al giro estadístico (1980–2011) › Aprendizaje estadístico y modelos probabilísticos
- Linaje
- Datos y aprendizaje
- Tipo
- Publicación
Quién
AT&T Bell Labs
Qué ocurrió
Yoav Freund y Robert Schapire, de los laboratorios de AT&T, presentan en 1995 en el congreso EuroCOLT de Barcelona el algoritmo AdaBoost, que publican completo en 1997 en el Journal of Computer and System Sciences.
Qué aportó
Combina muchos clasificadores débiles, cada uno solo algo mejor que el azar, en uno muy preciso. Es el método de boosting más usado y la base del detector de caras de Viola y Jones.
Desarrollo
En el marco del aprendizaje PAC, Michael Kearns y Leslie Valiant habían planteado una pregunta: si se dispone de un método que acierta solo un poco más que tirando una moneda, ¿se puede convertir en uno que acierte casi siempre? Schapire demostró en 1990 que sí, y Freund dio después un procedimiento más eficiente, pero los dos métodos eran difíciles de usar en la práctica.
AdaBoost, de adaptive boosting, lo resolvió con una idea sencilla. Entrena un clasificador débil, por ejemplo un árbol de decisión de una sola pregunta, y mira en qué ejemplos se equivoca. Da más peso a esos ejemplos y entrena el siguiente clasificador, que se fija sobre todo en los casos difíciles. Repite el proceso muchas veces y al final combina todos los clasificadores en una votación ponderada por lo bien que lo hizo cada uno.
El algoritmo no necesitaba saber de antemano cuán débil era cada clasificador, de ahí lo de adaptativo, y funcionaba muy bien con datos reales. Freund y Schapire recibieron el premio Gödel de 2003 por el artículo de 1997.
En 2001, Paul Viola y Michael Jones lo usaron para elegir unos pocos rasgos simples entre decenas de miles, y construyeron el primer detector de caras capaz de funcionar en tiempo real.
Viene de
Aprendizaje PAC de Valiant (noviembre de 1984)
Influencia directa documentada
El boosting responde a una pregunta planteada en el marco PAC: si un aprendiz algo mejor que el azar se puede convertir en uno muy preciso
Lleva a
SIFT y el detector de caras de Viola y Jones (septiembre de 1999)
Influencia directa documentada
El detector de Viola y Jones usa AdaBoost para elegir sus rasgos, como dice el título del artículo
Bibliografía
Fuente original
- A decision-theoretic generalization of on-line learning and an application to boosting. EuroCOLT 1995, Lecture Notes in Computer Science 904, pp. 23-37 (se abre en una pestaña nueva). Yoav Freund y Robert Schapire, 1995
- A Decision-Theoretic Generalization of On-Line Learning and an Application to Boosting. Journal of Computer and System Sciences, 55(1), pp. 119-139 (se abre en una pestaña nueva). Yoav Freund y Robert Schapire, 1997
Cómo citar
«AdaBoost». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/adaboost
Última revisión de esta ficha: 13 de noviembre de 2026.