アンサンブル学習：多数のモデルで賢く決める

複数のモデルを組み合わせて予測を良くするアンサンブル学習を学びます。基礎層では、間違いが打ち消し合うというしくみの核心と、別々に育てるバギング・順番に育てるブースティングという2つの流れをつかみます。深掘り層では、モデルに個性を配るブートストラップサンプリング、並列で速いバギングとランダムフォレスト、残差のリレーで進む勾配ブースティング、そして学習の速さをめぐる実務のトレードオフまで説明できるようになります。