問題 No.1593
決定木を弱学習器として用い、勾配降下法によって損失関数を最小化するように逐次的にモデルを組み合わせるアンサンブル学習手法はどれか。
【正解の解説】
勾配ブースティング
弱いモデル（弱学習器）を直列につなぎ、前段のモデルで予測できなかった残差（勾配）を補正するように学習を進める。
スポンサーリンク
【その他の選択肢の解説】
ランダムフォレスト
個々の決定木を独立に並列生成し、それらの予測結果を平均や多数決で統合する手法。
バギング
複数のモデルを並行して学習させ、それらの予測を統合することで過学習を抑える手法。
アダブースト
分類に失敗したサンプルに重みを与えて、次回の学習で重点的に学習させることで精度を高める。