Now Loading...

Now Loading...

勾配ブースティング

勾配ブースティング

ブースティングとは弱学習器(性能があまりよくない学習器)を順番に学習していき、前の学習器が誤分類したデータを優先的に正しく分類できるように重みを加味していく手法です。

勾配ブースティングは各データの出力と予測の差をまとめた目的関数を最小化するために勾配降下法を用いた手法です。

クイズ

以下の文章を読み、空欄(ア)~(イ)に最もよく当てはまる選択肢を1つ選べ。 (ア)は、Boostingにおいて各モデルの最適化に勾配降下法を用いる手法である。近年では(ア)のより高速な実装として(イ)が有名である。
  • 正解を見る
  • 解説を見る
    ブースティングの種類には、勾配ブースティング(Gradient Boosting)、AdaBoost、XgBoostなどがあります。勾配降下法を用いるものは勾配ブースティング(Gradient Boosting)です。勾配ブースティング(Gradient Boosting)の高速な実装としてXgBoostなどがあります。 (参考: G検定公式テキスト 第2版 第4章 4-1 P126-127) (参考:G検定公式テキスト 第1版 P100)

特別割引クーポンのお知らせ

zero to one G検定 jdla

zero to one G検定 jdla

関連ワード

機械学習の具体的手法