データ・DX
勾配ブースティングとは？
読み: こうばいぶーすてぃんぐ英語: Gradient Boosting更新日: 2026-06-26
勾配ブースティングとは、弱いモデルを順番に追加し、前の誤りを補うように学習するアンサンブル手法です。
DS検定G検定
関連表記: 勾配ブースティング / Gradient Boosting / GBDT / XGBoost / LightGBM
試験で問われるポイント
- 表形式データの予測で高い性能を出すことがあります。
- 過学習、学習率、木の深さなどの調整が重要です。
- ランダムフォレストとの違いを押さえると理解しやすいです。
具体例
顧客属性や利用履歴から、解約確率や審査リスクを予測します。
混同しやすい点
- どんなデータでも深層学習より必ず劣ると考える。
- パラメータ調整や検証をせずに使う。