たくさんの台数のパソコンがあった時に、比較的簡単に将棋プログラムを強くする方法に「合議」という手法がある。合議というのは、複数のPCでそれぞれ独立に探索をさせて、その結果を多数決を取ったりなどする手法だ。これだけで一台のPCに対して、合議側が勝率6割〜7割に到達したりする。 一般に機械学習をしたものをさらに性能をあげる手法としては、アンサンブル学習というのがあります。今話した合議もアンサンブル学習の一種と言えそうです。ポイントは複数の機械学習の出力を"混ぜる"のですね。多数決で混ぜるのが一般的ですが、色々な手法があります。前に話したXGBoostもそれ自体、アンサンブル学習がベースになっています。 さて、このアンサンブル学習なぜうまくいくのでしょうか?といっても賢明な読者のみなさんはなんとなくわかると思います。現代社会において、投票行動がうまくいくと仮定していることと一緒です。みんなそれぞ
![機械学習から考える人間学習 アンサンブル学習編|山本一成🚗TURING](https://cdn-ak-scissors.b.st-hatena.com/image/square/b63595ee383edb3eb2fd1811966cd742d074b3db/height=288;version=1;width=512/https%3A%2F%2Fassets.st-note.com%2Fproduction%2Fuploads%2Fimages%2F5636913%2Frectangle_large_8be8212e16b3fbf2396760bf94949109.jpg%3Ffit%3Dbounds%26quality%3D85%26width%3D1280)