バギング
バギングの説明として、最も適切なものを1つ選べ。
- A
前のモデルが間違えたデータを重視して、順番にモデルを学習していく
- B
元データから重複を許して抽出した複数のデータで別々にモデルを学習し、予測を多数決や平均でまとめる
- C
特徴量の数を減らすために、データを低次元に射影する
- D
1つのモデルの重みを、毎回ランダムに初期化し直す
正解と解説を見る
正解：B
バギングは、ブートストラップで作った複数のデータでモデルを並列に学習し、結果をまとめる手法。ばらつき（分散）を減らす効果がある。
- A
誤り。ブースティングの説明。
- B
正しい。ブートストラップ標本を使い、モデルのばらつきを減らして過学習を抑える。ランダムフォレストはこの考え方を使っている。
- C
誤り。主成分分析などの次元削減の説明。
- D
誤り。バギングの説明ではない。
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。