薬学用語解説

ランダムフォレスト法

決定木をたくさん集め統合するアンサンブル学習によって結果を出す手法で、分類、回帰、クラスタリングに用いることが可能な機械学習のアルゴリズムのひとつである。決定木を並列に作成し、ランダムサンプリングされたトレーニングデータによって学習した多数の決定木を組み合わせることで高精度の予測が可能となる。最終アウトプットは回帰問題であればそれぞれの決定木に結果の平均値、分類問題であれば多数決で出力される。多くの機械学習手法の中で、ランダムフォレスト法の利点は調整すべきパラメータがほとんどないこと、変数選択の必要がないこと、また分類と回帰のどちらにも使えることである。一方、弱点としては、データ数が少ない場合に過学習になりやすい傾向があるとされている。