AdaBoost
1997年に提案された、誤分類されたデータの重みを大きくしながら、弱い学習器を順番に学習して組み合わせるブースティングの手法として、最も適切なものを1つ選べ。
- A
ランダムフォレスト
- B
k-means法
- C
AdaBoost
- D
ナイーブベイズ
正解と解説を見る
正解：C
AdaBoostは、誤分類されたデータの重みを増やしながら、弱学習器を順番に追加する。勾配ブースティング（XGBoostなど）につながる考え方。
- A
誤り。木を並列に学習するバギング系。
- B
誤り。クラスタリングの手法。
- C
正しい。それまでの学習器が苦手なデータに、次の学習器が注力する。
- D
誤り。特徴量の独立を仮定した分類。
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。