↑: [[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 - cf. [[バギング]]（並列・バリアンス低減）