ブースティングの理解

問題

ブースティングに関する記述のうち誤りを1つ選べ。

ブースティング（Boosting）は、アンサンブル学習の強力な手法の一つです。

バギングが複数のモデルを「並列」に独立して学習させるのに対し、ブースティングは複数の弱学習器（シンプルな決定木など）を「直列（順番）」に学習させます。

最大の特徴は、最初のモデルが「予測を間違えた難しいデータ」に対して、次のモデルがより重点的に学習するよう「重みを付ける（ペナルティを重くする）」点です。

これを繰り返すことで、徐々に誤差をなくしていく高精度なモデルになります。

1. ブースティングは誤分類データに重みをつけて次のモデルを学習する

正しい：ある学習器が間違えたデータに対して、次の学習器が「次は絶対に当てるぞ」と重点的に学習できるように、そのデータの重要度（重み）を増やします。

2. ブースティングはモデルを直列に積み重ねる

正しい：前のモデルの学習結果（間違えた場所）を次のモデルに引き継ぐ必要があるため、モデルは直列（順番）に逐次学習されます。

3. ブースティングは弱学習器を組み合わせて強いモデルにする

正しい：単独では精度が低いモデル（弱学習器）を多数順番に組み合わせることで、最終的に非常に精度の高い1つのモデル（強学習器）を作り上げます。

4. ブースティングは各モデルを完全に独立に学習させる

誤り：各モデルを完全に独立して（並列に）学習させるのは「バギング」です。ブースティングは前のモデルの結果が次のモデルに影響するため独立していません。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ