問題 No.1236
決定木を拡張したアンサンブル学習手法であり、ブートストラップサンプリングによって個別に生成された複数の決定木を並列に学習させ、それらの予測結果の多数決を取ることで過学習を抑制するバギングの代表例はどれか。
【正解の解説】
ランダムフォレスト
ランダムフォレストとは、ランダムに選んだデータで複数の決定木を作り、それらの多数決で予測する手法です。個々の木の誤りを補い合い、高い精度を出します。
スポンサーリンク
【その他の選択肢の解説】
勾配ブースティング
勾配ブースティングとは、決定木などの弱い学習器を逐次追加し、前のモデルの誤りを補正するように学習させる手法です。非常に高い性能を発揮します。
AdaBoost
AdaBoostとは、学習が難しいデータに対して重みを増やしながら順番に学習器を重ね、全体の性能を高める手法です。
スタッキング
スタッキングとは、異なる複数の学習モデルの予測結果を、さらに別のモデルに入力して最終結果を得る手法です。異なるモデルの長所を組み合わせます。