勾配ブースティングとは

まず押さえる結論

勾配ブースティングは、G検定の「大項目3 機械学習の概要」に出てくる用語です。見分けの要点は、勾配ブースティングはブースティングの中でも誤差の補正に勾配降下の考え方を使う手法で、学習器を並列かつ独立に作るバギングやランダムフォレストとは異なります。

比較記事でさらに確認する

勾配ブースティングの具体例と、問題文で見る箇所・隣接概念との境界

勾配ブースティングを、役割と隣接概念の境界から捉える

前の学習器が残した誤差を、勾配降下の考え方で次の学習器が順番に補正していく、ブースティングの代表的な手法。 試験では、処理の対象・目的・使う段階を別の概念と入れ替えた選択肢が出ます。何に対して何をする手法かを分けて確認します。

問題文で見る箇所

前の学習器が残した誤差を、勾配降下の考え方で次の学習器が順番に補正しているかを確認します。

隣接概念との境界

勾配ブースティングはブースティングの中でも誤差の補正に勾配降下の考え方を使う手法で、学習器を並列かつ独立に作るバギングやランダムフォレストとは異なります。

誤答しやすい選択肢

• 勾配ブースティングを、学習器を並列に独立させて多数決や平均で統合する手法として扱う。定義の主語と処理対象を確認します。
• 勾配ブースティングの目的だけを見て、同じ目的を持つ別手法まで同じ用語とする。具体的な処理を比較します。
• 勾配ブースティングを使えば目的が必ず達成されると断定する。適用条件や評価を別に確認します。

4段階の判断手順

1. 01問題文が状態、手法、評価指標、制度のどれを説明しているか決める。
2. 02定義の中心となる対象と動作が勾配ブースティングに一致するか確認する。
3. 03隣接概念と共通する目的ではなく、処理や条件の違いを見る。
4. 04必ず・完全に・だけでよいという過度な断定がないか見直す。

到達条件: 勾配ブースティングを一文で説明し、最も混同しやすい隣接概念との違いを処理または条件から言える。

試験での問われ方

誤答しやすいポイント

「大項目3 機械学習の概要」の問題で、取り違えやすい組み合わせです。

• 教師あり・教師なし・強化学習の分類の取り違え（分類/回帰＝教師あり、クラスタリング/次元削減＝教師なし）。
• L1正則化（ラッソ＝係数が0になり変数選択も兼ねる）とL2正則化（リッジ＝係数を小さく抑えるが0にはなりにくい）の混同。
• 適合率（精度）と再現率の取り違えと、混同行列の読み違い。

関連する確認問題

同じ章で確認したい用語

他資格でも出題される用語