バギングとブースティングの比較

バギング(Bagging)は並列に複数モデルを学習させて平均化しバリアンス(過学習)を抑えます。ブースティング(Boosting)は前段の誤分類に重みを付け逐次学習することでバイアスを減らします。 ア:誤りです。直列に学習するのがブースティング、並列に独立学習できるのがバギングです。 イ:正解です。バギングはバリアンスの低減、ブースティングはバイアスの低減に優れます。 ウ:誤りです。ブートストラップ復元抽出を用いるのはバギング(Bootstrap Aggregating)です。 エ:誤りです。代表例が逆です。バギングがランダムフォレスト、ブースティングがAdaBoostやLightGBMです。

アンサンブル学習の代表的手法である「バギング」と「ブースティング」の比較として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
バギングは弱学習器を直列(逐次的)に学習させ、ブースティングは弱学習器を並列に学習させる。
イ
バギングは主にモデルのバリアンス(分散)を低減し、ブースティングは主にモデルのバイアス(偏り)を低減する。
ウ
ブースティングでは各学習器を独立に学習させるため、ブートストラップサンプリングによる復元抽出が必須である。
エ
バギングの代表例がAdaBoostやLightGBMであり、ブースティングの代表例がランダムフォレストである。