ランダムフォレスト
ランダムフォレストは、複数の決定木を組み合わせることで高い予測精度と安定性を実現する機械学習アルゴリズムです。過学習を起こしにくく、分類や回帰の問題で広く活用されています。
アンサンブル学習のAI用語一覧
4件アンサンブル学習に関するAI用語を4件掲載しています。意味や使い方、関連用語を一覧から確認できます。
バギング
バギングとは、機械学習におけるアンサンブル学習の手法の一つです。訓練データから復元抽出を行いながら複数のデータセットを作成し、それぞれにベースモデルを並列に学習させて予測結果を統合することで、モデルの安定性と精度を高めます。
弱学習器
弱学習器とは、ランダムに予測するよりはわずかに高い正解率を持つものの、単体では十分な予測性能を発揮できない単純な機械学習モデルのことです。勾配ブースティングなどのアンサンブル学習において、複数の弱学習器を組み合わせることで強力な予測モデルを構築するために用いられます。
ブースティング
ブースティングは、複数の予測モデルを直列に結合して予測精度を大きく高める機械学習の手法です。先行するモデルの予測誤差を次のモデルが補正しながら学習を進めるため、高い予測性能を発揮するのが特徴です。データ分析のコンペティションや実務で広く活用されています。