問題 No.573
ランダムフォレストにおいて、決定木を構築する際、データだけでなく「特徴量」もランダムに選択することで、決定木同士の相関を下げ、精度を高める手法を何というか。
【正解の解説】
特徴量のランダム選択
特徴量のランダム選択は、決定木を作る際に選ぶヒント（特徴量）を毎回変える手法です。これにより似たような木ばかりができるのを防ぎ、多様な視点で判断させることで精度を上げます。
スポンサーリンク
【その他の選択肢の解説】
次元圧縮
次元削減は、データの情報をなるべく残したまま、説明する情報の数を減らす手法です。特徴量の数を減らすことで計算量を抑えます。
勾配ブースティング
勾配ブースティングは、前の決定木が間違えた部分を次の木が補うように、順番に木を作っていく手法です。ランダムフォレストとは構築の考え方が異なります。
正則化
正則化は、複雑なモデルに対してペナルティを与え、あえてシンプルにすることで過学習を防ぐ手法です。