問題 No.465
決定木を逐次的に学習させ、前段のモデルが予測しきれなかった「残差（誤差）」を次段のモデルが学習することで、予測精度を極限まで高めるアンサンブル学習手法はどれか。
【正解の解説】
勾配ブースティング
勾配ブースティングとは、前の木が間違えたポイントを次の木が重点的に学習するようにして、少しずつ間違いを減らしながら予測精度を最大化していく強力な手法です。
スポンサーリンク
【その他の選択肢の解説】
バギング
バギングとは、複数の決定木を独立して作り、それらを並行して学習させて最後に結果を合わせることで予測を行う手法です。
ランダムフォレスト
ランダムフォレストとは、決定木においてバギングを使いつつ、特徴量もランダムに選ぶことで多様性を持たせたモデルのことです。
ドロップアウト
ドロップアウトとは、学習中に一部の接続をランダムに無効化することで、特定の情報に偏らず、より汎用的な能力を身につけさせる手法です。