問題 No.800
データのばらつきによる過学習を防ぎつつ予測精度の高いモデルを構築したい。そこで元のデータセットから重複を許してランダムにサンプルを抽出して複数の決定木を並列に学習させそれぞれの予測結果の多数決によって最終的な出力を決定する手法を採用したい。このアンサンブル学習の手法はどれか。
【正解の解説】
ランダムフォレスト
ランダムフォレストは、多数の決定木を作り、それぞれの予測を多数決することで最終結果を出す手法です。データのランダムな抽出と組み合わせにより、個別の木よりも安定した精度が出せます。
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は、前の予測で失敗したデータを重視して、次の決定木を順番に学習させていく手法です。多数決ではなく、修正を重ねるイメージです。
AdaBoost
アダブーストは、勾配ブースティングの先駆けとなった手法の一つで、間違えたデータの重みを大きくしていくことで、強化学習のように精度を上げていきます。
スタッキング
スタッキングは、複数の異なるモデルが予測した結果を、さらに別のモデルに入力して最終的な予測結果を出す「まとめ役」を使う手法です。