問題 No.964
ブースティングの一種であるAdaBoostにおいて、学習の各ステップで「誤分類されたデータ」に対して行う処理として正しいものはどれか。
【正解の解説】
重みを上げて次のモデルが優先的に学習するようにする
AdaBoostでは、間違えてしまったデータに対して「次はもっと注意して見るべき重要なデータ」として重みを大きくします。これにより、次のモデルがそのデータを正しく分類できるように重点的に学習を調整します。
スポンサーリンク
【その他の選択肢の解説】
重みを下げて次のモデルに影響させないようにする
重みを下げることは、そのデータが重要ではないと判断することになり、AdaBoostの「間違いから学び、次は正解できるようにする」という仕組みとは逆の動きになります。
ランダムにデータを削除して数を減らす
データを削除してしまうと、学習に使える情報が減ってしまいます。AdaBoostはデータを削除するのではなく、重要度（重み）を変えることで学習の集中度を制御します。
特定のクラスのデータのみを学習対象から除外する
特定のクラスを除外すると、そのクラスの判断基準が全く学習できなくなってしまいます。AdaBoostは除外ではなく、難問（間違いやすいデータ）の重要度を高める手法です。