② 機械学習の概要 ／ 7. 教師あり学習
アンサンブル学習とは
アンサンブル学習とは、複数の弱学習器を組み合わせて、より性能の高いモデルを構築する手法です。個々のモデルの誤りを補い合うことで汎化性能が向上しやすい点が重要で、G検定では考え方そのものが重要です。
この用語はG検定シラバスの「7. 教師あり学習」に含まれます。 章全体の用語は用語解説②（全62語）にまとまっています。
一言でいうと
性能の低いモデルをたくさん組み合わせて、1つの強いモデルを作る考え方です。
なぜ精度が上がるのか
1つのモデルは、それぞれ得意・不得意の偏り（誤り）を持っています。複数のモデルの予測を統合すると、偏りが打ち消し合って安定した予測になります。
ここでいう弱学習器とは、単体では精度がさほど高くないモデルのことです。代表例が浅い決定木です。
2つの代表的な方式
この並列か逐次かという対比がG検定対策で最も重要なポイントです。
スタッキング
バギング・ブースティングのほかに、スタッキングという方式もあります。
これは複数のモデルの予測結果を入力として、さらに別のモデルに最終予測をさせる方法です。異なる種類のモデルを組み合わせやすい点が特徴で、アンサンブルは同種のモデルに限らないことを示す例でもあります。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| バギング | 並列に学習して統合。分散を下げる |
| ブースティング | 逐次に学習して誤りを補正。バイアスを下げる |
| ランダムフォレスト | バギング＋決定木の代表的手法 |
🎯 G検定での押さえどころ
- 複数の弱学習器を組み合わせて性能を高める
- バギング＝並列／ブースティング＝逐次
- 代表例はランダムフォレスト（バギング系）
⚠️ よくある誤りの選択肢
- 「アンサンブル学習では必ず同じ種類のモデルを使う」→ 誤り。異なる種類を組み合わせることもできます
- 「バギングは逐次的に学習を進める手法である」→ 誤り。逐次はブースティングです
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「Random Forest」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。