機械学習上級者は皆使ってる？！アンサンブル学習の仕組みと3つの種類について解説します

機械学習を勉強するにあたり「アンサンブル学習で精度が大幅に向上したよ」や「バギング」「ブースティング」などのキーワードを耳にしたことがあるかと思います。（参照：機械学習とは？） Kaggleなどのデータサイエンス世界競技では予測精度を競い合いますが、頻繁にこの「アンサンブル学習」の話題が上がります。事実、多くのコンペティションの上位にランクインする方々はアンサンブル学習を活用しています。 機械学習の中〜上級者がよく話をする「アンサンブル学習」ですが、そもそもどのような手法なのでしょうか？本記事では機械学習の初心者を対象としてアンサンブル学習を説明していきます。 アンサンブル学習とは？ 英語でアンサンブル（Ensemble）といえば合奏や合唱を意味しますが、機械学習においてのアンサンブル学習（Ensemble Learning）は、複数のモデル（学習器）を融合させて1つの学習モデルを生成する

[akarikawai]

あとで読む

[nagaitakeyuki]

バリアンスとバイアスの関係をダーツで説明してくれている。

[knaka20blue]

“があります。つまり少し大雑把に言えば、予測値と実際値の誤差が大きい場合の改善方法です。 ではバギングはどのようにして予測結果の改善（バリアンスを下げる）のでしょうか？その理由は各モデルに使う訓練デー