Adaboost (Adaptive Boosting) によるアンサンブル学習のやり方を解説します

シェアする

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...

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。

シェアする

フォローする