ブースティングは（Boosting）を理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk neural_network

G検定トップ ＞ ブースティングとは？（Boosting）【G検定対策】

まず結論

ブースティング（Boosting）とは、弱学習器を順番（逐次）に学習させ、前のモデルが間違えたデータを重視しながら精度を高めていくアンサンブル学習手法で、G検定では「並列ではなく逐次」である点を見抜けるかが問われる。

直感的な説明

ブースティングは、

間違えた問題を次の勉強で重点的に復習する

学習方法に似ています。

  • 1回目：ざっくり予測
  • 間違えた部分をチェック
  • 2回目：間違えたところを重点的に学習

この流れを何度も繰り返すことで、 全体として賢いモデルにしていきます。

定義・仕組み

ブースティングはアンサンブル学習の一種で、

  • 弱学習器（精度は高くないモデル）を
  • 逐次的（順番）に学習させ
  • それらを組み合わせて最終予測を行う

手法です。

代表例としては、

  • AdaBoost
  • Gradient Boosting
  • XGBoost

などがあります。

重要なポイントは、

  • 前のモデルの誤分類データに重みを付ける
  • 次のモデルがそこを重点的に学習する

という点です。

いつ使う？（得意・不得意）

得意なケース

  • 単体モデルでは精度が出にくい場合
  • 非線形な関係を捉えたい場合
  • 表形式データ（テーブルデータ）

苦手・注意点

  • 学習は逐次的なので時間がかかりやすい
  • ノイズが多いデータでは過学習しやすい

G検定ひっかけポイント

G検定では、バギング（Bagging）との対比が頻出です。

よくあるひっかけ

  • ブースティング＝並列学習 → ✕
  • ブースティング＝学習が速い → ✕

正誤を切る判断基準

  • 逐次的に学習？ → ブースティング
  • 並列に独立学習？ → バギング
  • 誤分類データを重視？ → ブースティング

選択肢に

「順次」「逐次」「前のモデルの誤りを修正」

とあれば、ブースティングです。

まとめ（試験直前用）

  • ブースティングは逐次学習
  • 弱学習器を順番に追加
  • 間違えたデータを重視
  • バギングは並列、ブースティングは逐次
  • G検定では“並列か順次か”で即断

🔗 関連記事

🏠 G検トップに戻る