Boosting يقلل الانحياز عبر بناء نماذج ضعيفة (Weak Learners) بالتتابع، حيث يحاول كل نموذج جديد تحسين الأداء على العينات التي فشل النموذج السابق في التنبؤ بها بشكل صحيح. بمرور الوقت، يتحول النموذج الكلي إلى نموذج قوي (Strong Learner) يمكنه التقاط أنماط البيانات المعقدة، مما يقلل الانحياز بشكل ملحوظ.
ا.م.د. علاء طعيمة عبد الكاظم
أستاذ مساعد دكتور في الذكاء الاصطناعي والتعلم العميق