アンサンブル学習はどうすれば性能アップできるのか、日立製作所が実務に役立つ新理論を提唱

本記事はロボットとAI技術の専門誌『日経Robotics』のデジタル版です

［画像のクリックで別ページへ］

　機械学習モデルの精度を高める手法の1つにアンサンブル学習がある。同じ入力を複数のモデルに与え、それぞれのモデルの出力を統合して最終的な判断を下す手段である。単独のモデルと比べて学習や推論に要する計算資源は増えるものの、その分高い精度を実現できる方法として利用されてきた。

　アンサンブル学習の難点は、どのようなモデルをどう組み合わせれば高い精度を実現できるのか明確な指針がなく、経験や試行錯誤に頼らざるを得なかったことである。この状況を覆す理論を日立製作所が発表した。