アダブースト

アンサンブル学習のブースティングの１つ

ブースティングは前のモデルの情報を受け継いで、次のモデルが学習をして、徐々に精度を上げていく手法

前のモデルから受け継ぐ情報としては

訓練データの中で、どのデータが法則性を学習する上で難しいか？といった情報を引き継ぐ

受け取った情報を元に、今回のモデルでは、その部分を間違わないように考慮して学習する

予測について

予測をするのは最後のモデルというわけではなく、作成した全てのモデルを使用する

多数決で決めるが、その際には各モデルに重みがあって、それを考慮して決められる