↑: [[G検定に関する知識]] - [[アンサンブル学習]]の手法；モデルを直列に学習させて精度を高める - 仕組み：前のモデルが誤分類したデータに重点を置いて次のモデルを学習 - バケツリレーのように誤りを順番に補っていく - 効果：バイアスを下げる → 複雑なパターンを捉える精度向上 - 代表的アルゴリズム：AdaBoost、勾配ブースティング（GBDT）、XGBoost、LightGBM - 「前のモデルが間違えたところを次のモデルが重点的に学ぶ」 - 高精度だが過学習に注意 - 「バギングは並列・独立 / ブースティングは直列・誤り補強」が頻出 - cf. [[バギング]], [[バギング]], [[アンサンブル学習]]