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)

人工知能基礎講座を提供中

人工知能の第一人者である東京大学の松尾豊教授が監修した人工知能基礎講座を受講してみませんか? 人工知能の歴史から自然言語処理、機械学習、深層学習といった最先端のトピックやAIに関わる法律問題まで網羅しているので全てのビジネスパーソン・AIの初学者におすすめです。

サンプル動画

人工知能基礎講座はこちら↓ zero to one G検定 人工知能基礎 jdla

AIエンジニアを目指すならE資格

日本ディープラーニング協会の実施するE資格の受験に必要となるE資格認定プログラムを割引価格で提供中です。最短合格を目指す方向けのスピードパッケージを70,000円で提供中。(一発合格で33,000円のキャッシュバックキャンペーンも実施中です) zero to one E資格 jdla

AI初学者・ビジネスパーソン向けのG検定対策講座

G検定受験前にトレーニングしたい方向けの問題集「G検定実践トレーニング」も提供中です。 zero to one E資格 jdla

関連ワード

機械学習の具体的手法

教師あり学習

教師なし学習

強化学習

モデルの評価