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...

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。