AI用語集
人工知能の完全辞典
自動アンサンブル学習
手動での人的介入なしでパフォーマンスを最適化するために、複数の予測モデルの作成、選択、組み合わせを自動化するプロセス。
自動スタッキング
全体の精度を向上させるために、複数のベースモデルの予測を自動的に組み合わせる方法をメタモデルが学習する手法。
自動ブレンディング
ホールドアウト検証セットを使用して、組み合わせモデルを自動的に訓練するアンサンブル技術。
自動バギング
ブートストラップデータサブセット上に複数のモデルを作成し、分散を減らし堅牢性を向上させる自動化されたブートストラップ集約。
自動ブースティング
各モデルが前のモデルの誤りを修正し、パフォーマンスを最適化する連続モデルを構築する反復的で自動的なプロセス。
オートスタッキング
ベースモデルとメタモデルの選択を含む、スタッキングアーキテクチャを自動的に発見・最適化する完全自動化されたシステム。
アンサンブルのハイパーパラメータチューニング
パフォーマンスを最大化するために、個々のモデルのハイパーパラメータとアンサンブルの組み合わせパラメータを自動的に最適化すること。
自動モデル選択
パフォーマンスと多様性に基づいて、アンサンブルの最適な候補を自動的に選択するアルゴリズム。
アンサンブルのための特徴量エンジニアリング
アンサンブル内のモデル間の相補性を向上させるために特化して最適化された特徴量を自動的に生成します。
層化クロスバリデーション
クラス分布を自動的に保持し、アンサンブルのパフォーマンスを信頼性高く評価するクロスバリデーション技術です。
自動投票分類器
ハード投票とソフト投票のどちらが最適かを自動的に判断し、各分類器の最適な重みを選択するシステムです。
アンサンブル多様性最大化
モデル間のエラーの多様性を自動的に最適化し、組み合わせによるパフォーマンス向上を最大化するアルゴリズムです。
自動モデル重み付け
各モデルの個別のパフォーマンスに基づいて、アンサンブル内の各モデルの最適な重みを自動的に決定するプロセスです。
アンサンブルのためのニューラルアーキテクチャ探索
高性能なアンサンブルで連携して機能するように最適化された、相補的なニューラルアーキテクチャを自動的に探索します。
多目的アンサンブル最適化
精度、推論時間、複雑さなど、最終的なアンサンブルに対する複数の目的を同時に自動的に最適化します。
自動アンサンブルプルーニング
パフォーマンスと複雑さの比率を最適化するために、アンサンブルから冗長またはパフォーマンスの低いモデルを自動的に削除します。
ダイナミックアンサンブル選択
予測する新しいインスタンスごとに、最も能力の高いモデルのサブセットをリアルタイムで自動的に選択します。
異種アンサンブル学習
木、ニューラルネットワーク、SVMなど、異なるタイプのモデルを自動的に組み合わせて、それらの相補的な強みを活用します。
カスケードアンサンブル学習
単純なモデルが最初に使用され、必要な場合にのみ複雑なモデルが使用されるカスケード型アーキテクチャで、自動的に最適化されます。