G検定｜弱い決定木を順に追加して前の誤りを補いたい

ANSWER & EXPLANATION

正解：D

逐次的に弱いモデルを加えて誤差を減らす方法です。予測対象とデータ構造に応じて手法を選びます。

選択肢のポイント

• Aバギングは異なる標本で学習したモデルの出力を集約する方法です。この設問で求めるものとは異なります。
• Bスタッキングは別モデルの予測を学習して統合する方法です。この設問で求めるものとは異なります。
• Cナイーブベイズは条件付き独立の仮定を用いる分類法です。この設問で求めるものとは異なります。
• D正解です。逐次的に弱いモデルを加えて誤差を減らす方法です。

関連キーワード

• 勾配ブースティング
• 機械学習の手法選択

参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日