バギングの特徴

問題

バギングに関する記述として正しいものを1つ選べ。

バギング（Bagging：Bootstrap Aggregating）は、アンサンブル学習の一種です。

1つの元の学習データセットから、ランダムにデータを抽出（重複を許す）して「少しずつ異なる複数のデータセット」を作成します。

それぞれのデータセットを使って複数のモデルを「並列（同時）」に学習させ、最後に全モデルの予測結果を多数決（分類）や平均（回帰）で統合します。

データの偏りによる予測のブレ（バリアンス）を減らし、過学習を抑えるのに適しています。

1. バギングはモデルを直列に学習させる手法である

誤り：モデルを「直列（順番）」に学習させ、前のモデルの誤差を次のモデルが修正していく手法は「ブースティング」です。バギングは「並列（独立）」に学習します。

2. バギングはブートストラップサンプリングを用いる

正しい：元データから重複を許してランダムにデータを抽出し、新しいデータセットを複数作成する「ブートストラップサンプリング」という手法を用います。

3. バギングは特徴量をランダムに選択することが必須である

誤り：データだけでなく「特徴量（変数）」もランダムに選択して決定木を作るのは、バギングをさらに発展させた「ランダムフォレスト」の特徴です。バギング自体は特徴量のランダム選択は必須ではありません。

4. バギングは過学習を促進することが多い

誤り：複数の少し異なるモデルの予測を平均化するため、単一の複雑なモデルよりも予測のばらつきが減り、「過学習を抑える（汎化性能を高める）」効果があります。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ