ブースティング
前の学習器が間違えたデータを重視して次の学習器を作ることを繰り返し、弱い学習器を組み合わせて精度を高めるアンサンブル学習の方法として、最も適切なものを1つ選べ。
- A
ブースティング
- B
バギング
- C
k-分割交差検証
- D
グリッドサーチ
正解と解説を見る
正解：A
ブースティングは、前の学習器の誤りを補うように学習器を順番に作っていくアンサンブル学習。
- A
正しい。AdaBoost や勾配ブースティング（XGBoost、LightGBM など）が代表例。学習器を順番に作るため、並列化しにくい。
- B
誤り。バギングは、データを重複を許して取り出して複数の学習器を並列に作り、結果をまとめる方法。
- C
誤り。モデルを評価する方法で、アンサンブル学習ではない。
- D
誤り。ハイパーパラメータの組合せを総当たりで探す方法。
このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。