ブースティングとは？-AI関連の用語集【クラベルAI】-

ブースティング（Boosting）

ブースティングとは、前のモデルが間違えたところを重く見て、小さなモデルを順に重ねて精度を高める手法のことです。1つひとつは大した精度でない簡単なモデルを、順番に作ります。次のモデルは、前の間違いを補うように学びます。最後にまとめると、全体で高い精度が出ます。XGBoostやLightGBMなど、表データの予測で人気の手法が、この仲間です。

ブースティング（Boosting）関連用語

ブースティング（Boosting）に関連する単語は以下の通りです。

• バギング並べて作る方法とは何が違う？→
• 勾配ブースティング勾配ブースティングとは？→
• XGBoostコンペで人気の手法は？→
• アンサンブル学習（Ensemble Learning）モデルを組み合わせる全体像は？→
• ランダムフォレスト木を束ねる別の方法は？→
• 過学習（Overfitting）積み上げすぎるとどうなる？→

ブースティング（Boosting）で知っておくと得する有益情報

ブースティングは、表形式のデータで高い精度を出しやすい手法です。使う前に知りたい点を3つにまとめました。

• 順番に学ぶ前のモデルの間違いを見て作るため、1つずつ順に作る必要があります。
• 精度が出やすい売上や解約の予測など、表データの予測で高い精度が期待できます。
• 覚えすぎに注意重ねすぎると訓練データに合わせすぎます。止める回数の調整が大切です。

ブースティング系の主な手法

ブースティングを試す前の確認リスト

当てはまる項目にチェックを入れて、向いているか確かめましょう。

• データが表（行と列）の形でそろっている
• 予測したいことが決まっている
• 正解つきの過去データが十分ある
• 訓練に使わない検証用データを分けている
• 結果の理由を説明する必要性を把握している

確認できた数 0 / 5

まずデータの形と目的を整理しましょう。

表データの予測に強い手法です。止めどきの調整が大切です。

ブースティング（Boosting）やさしい解説

弱いモデルを重ねると強くなるって、本当？

テスト勉強で、間違えた問題だけを集めた復習ノートを作りますよね。それを何度も繰り返すと点が伸びます。

ブースティングは、このくり返し復習をAIが自動でやる仕組みです。

たとえば解約しそうなお客さまの予測では、最初のモデルが見逃した人に注目して、次のモデルが補います。これを重ねると、見落としが減っていきます。ただし、重ねすぎると過去のデータに合わせすぎるため、検証用のデータで確認しましょう。

ブースティング（Boosting）についてのみんなの疑問

バギングとの一番の違いは何ですか？

バギングは並べて作り、ブースティングは前の間違いを見て順に作ります。バギングはばらつきを抑え、ブースティングは偏りを減らす役目です。精度の面ではブースティングが有利になることが多くなります。

どんな場面で使われますか？

売上予測や解約予測など、表形式のデータの予測でよく使われます。データ分析のコンテストでも定番です。画像や文章など、表以外のデータではディープラーニングが主役になることが多いです。

設定は難しいですか？

初期設定でもそれなりに動きますが、調整で精度が大きく変わります。木の深さや、重ねる回数などを調整します。自動で探すツールもあるので、まず標準設定で試し、必要に応じて調整しましょう。

AI関連の用語集【まとめ】

AI関連の用語集が気になる方のために、用語集一覧を作成しました。AIに関する学びを深めたいとお考えの方は、ぜひご覧ください。

AI関連の用語集（全用語）気になった言葉は、ここからまとめて探せます。用語集を開く →

この記事は役に立ちましたか？

はい、役に立った いまいち

この記事をシェア

X Facebook LINE はてブ URLをコピー

ブログやSNSで紹介していただくときは、このページのURLをそのままお使いください（リンクはご自由にどうぞ）。

このサイトをホーム画面に追加

分からない言葉が出たとき、すぐ開けます。