アンサンブル学習（バギング・ブースティング）とは？
アンサンブル学習（バギング・ブースティング）とは、精度の高くない学習器を多数組み合わせ、多数決や重み付き平均で最終的な予測を出す考え方。バギングは復元抽出した部分データで並列に学習して分散を下げ、ブースティングは直前の誤りを重点的に学習する形で逐次的に精度を上げる。
あんさんぶるがくしゅうばぎんぐぶーすてぃんぐ
アンサンブル学習（バギング・ブースティング）の意味
精度の高くない学習器を多数組み合わせ、多数決や重み付き平均で最終的な予測を出す考え方。バギングは復元抽出した部分データで並列に学習して分散を下げ、ブースティングは直前の誤りを重点的に学習する形で逐次的に精度を上げる。
アンサンブル学習（バギング・ブースティング）の具体例
決定木をバギングし、分岐で使う特徴量もランダムに絞ったものがランダムフォレストで、表形式データの分類では有力な既定手段になる。勾配ブースティングは同じデータでさらに精度が出やすいが、過学習しやすく学習率と木の本数の調整が要る。
アンサンブル学習（バギング・ブースティング）は試験でどう引っ掛けられる？
バギングは並列実行できるがブースティングは前の結果に依存するため直列で、学習時間の見積りが異なる。またアンサンブルは精度が上がる代わりに、個々の判断根拠が説明しにくくなる。
アンサンブル学習（バギング・ブースティング）と関連する用語
最終更新：2026-08-25／解説は資格暗記が独自に作成しています。 過去問の出典は各問題に記載のとおりです。