今回は、アンサンブル学習の方法の一つである Adaboost (Adaptive Boostling) です。アンサンブル学習についてはこちらをご覧ください。
アンサンブル学習 ～三人寄れば文殊の知恵～ たくさんモデルを作って推定性能を上げよう！
応化先生と生田さんがアンサンブル学習 (ensemble learning) について話しています。応化：今日はアンサンブル学習 (ensemble learning) についてです。生田：アンサンブル？音楽関係ですか？応化：いえ、合奏とか...
datachemeng.com
2018.02.17
Adaboost は単純なアンサンブル学習より精度が上がると言われています。そんな Adaboost について、pdfとパワーポイントの資料を作成しました。Adaboost の具体的な計算方法について説明されています。pdfもスライドも自由にご利用ください。
pdfファイルはこちらから、パワーポイント(pptx)ファイルはこちらからダウンロードできます。
興味のある方はぜひ参考にしていただき、どこかで使いたい方は遠慮なくご利用ください。
Adaboost の概要
- アンサンブル学習の一つ
- クラス分類でも回帰でも可能
- クラス分類手法・回帰分析手法は何でもよい
- クラス分類モデルで誤って分類されてしまったサンプルや、回帰モデルで誤差の大きかったサンプルの重みを大きくして、次のモデルを学習させる
- 色々なサンプルに重きをおいたモデルを総合的に用いることで、全体的な推定性能を向上させる
スライドのタイトル
- Adaboost とは？
- Adaboost(クラス分類)の手順 1/4
- Adaboost(クラス分類)の手順 2/4
- Adaboost(クラス分類)の手順 3/4
- Adaboost(クラス分類)の手順 4/4
- Adaboost(クラス分類)の予測
- Adaboost(回帰分析)の手順 1/4
- Adaboost(回帰分析)の手順 2/4
- Adaboost(回帰分析)の手順 3/4
- Adaboost(回帰分析)の手順 4/4
- Adaboost(回帰分析)の予測
以上です。
質問やコメントなどありましたら、twitter, facebook, メールなどでご連絡いただけるとうれしいです。
