問題 No.648
決定木は結果の解釈が容易だが過学習しやすい弱点がある。この弱点を克服するためデータと特徴量をランダムに抽出して複数の決定木を独立に構築しそれらの予測結果を多数決や平均で統合する手法はどれか。
【正解の解説】
ランダムフォレスト
たくさんの決定木を並べて作り、それぞれの予測結果を多数決で決める手法です。一つの木が間違えても全体でカバーできるため、個別の木の弱点である過学習を防ぐことができます。
スポンサーリンク
【その他の選択肢の解説】
サポートベクターマシン
データを境界線で仕切って分類する手法です。データ同士の境界を最大限に広げることで、未知のデータに対しても高い識別能力を発揮します。
ナイーブベイズ(Naive Bayes)
確率論に基づいた分類手法で、あるデータが特定のグループに属する確率を計算して分類します。計算が非常にシンプルで高速なのが特徴です。
勾配ブースティング
複数のモデルを段階的に作成し、前のモデルが間違えた問題を次のモデルが重点的に学習するように改善を繰り返す手法です。非常に高い精度が出やすいのが特徴です。