AI用語集

📖

用語

ランダムフォレスト

データの部分集合でトレーニングされた複数の決定木を組み合わせて、予測精度を向上させ、過学習を減らすアンサンブル手法。

📖

用語

バギング

ブートストラップ集約法で、複数のモデルが異なるブートストラップサンプルで訓練され、それらの予測が多数決で組み合わされる技術。

📖

用語

決定木

データの特徴に基づいた決定の木構造を構築し、最終的な予測に至る予測モデル。

📖

用語

アウトオブバッグ

特定の木に対するブートストラップで選択されなかったサンプルで、一般化誤差を推定するための内部検証セットとして使用される。

📖

用語

特徴量サンプリング

各ノード分割で特徴量の部分集合をランダムに選択し、森内の木間の多様性を高めること。

📖

用語

多数決

分類問題において、すべての木の中で最も多くの票を受け取るクラスが予測クラスとなる集約方法。

📖

用語

予測の平均

回帰における集約技術で、最終的な予測値は森内のすべての木の予測値の平均となる。

📖

用語

終端ノード

さらなる分割が行われない決定木の葉で、この点に到達するサンプルの最終予測を含む。

📖

用語

スプリット基準

ノード分割の品質を評価するために使用される指標。分類の場合、ジニ係数やエントロピーなど。

📖

用語

ハイパーパラメータ

トレーニング前に設定可能なパラメータで、ランダムフォレストの振る舞いを制御します。例：木の数や最大深度など。