↑: [[G検定に関する知識]] - アンサンブル学習の手法。弱いモデルを**直列**に学習させ、前の誤りを次が補強していく - 「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」 - 勾配ブースティング：誤差の勾配を使って次のモデルを改善 - 高精度だが過学習に注意 - 代表例：**XGBoost・LightGBM**（データ分析コンペで強い） - 「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-G検定]] - cf. [[アンサンブル学習-G検定]]