問題 No.436
不均衡なデータセットや識別が難しい複雑なデータに対して、複数の弱い識別器を直列に組み合わせる際、前段のモデルが誤分類したデータに高い重みを与えて学習させる手法はどれか。
【正解の解説】
AdaBoost
AdaBoost。間違った問題に焦点を当てて繰り返し練習することで、弱い学習器を組み合わせて非常に精度の高い識別器を作り上げるブースティング手法です。
スポンサーリンク
【その他の選択肢の解説】
バギング
バギング。複数のモデルを並列に学習し、結果を平均化することで安定した予測を目指す手法です。
ランダムフォレスト
ランダムフォレスト。決定木を複数組み合わせる手法の一種ですが、誤分類したデータに重みをつける逐次的なプロセスではありません。
勾配ブースティング
勾配ブースティング。AdaBoostと似ていますが、予測の「誤差」そのものを小さくするように次々とモデルを追加していく学習手法です。