【DS検定対策】復元なしの並列アンサンブル！「ペーティング（Pasting）」の仕組み

複数のモデルを並列に学習させて精度を高めるアンサンブル学習において、データのサンプリング方法に焦点を当てた手法が「ペーティング（Pasting）」です！バギング（Bagging）と非常によく似ていますが、データの選び方に重要な違いがあります。

1. 【問題】

バギングに類似したアンサンブル学習の手法であり、ブートストラップサンプリング（復元抽出）ではなく「非復元抽出」を用いて、各サブセット内で重複のない形でランダムにデータをサンプリングしてモデルを並列に構築する手法を何と呼ぶでしょうか？

① ペーティング（Pasting）
② バギング（Bagging）
③ ブースティング（Boosting）
④ ランダムフォレスト（Random Forest）

2. 【解答】

正解： ① ペーティング（Pasting）

3. 整理：「バギング」と「ペーティング」の違い

並列型アンサンブルにおけるデータのサンプリング方法の違いを整理しましょう。

手法の名前	内容・特徴（サンプリングの方法）
1. バギング（Bagging）	「復元抽出」を用いる。データセット内で同じデータが複数回選ばれることがあり、重複を許してサブセットを作成する。
2. ペーティング（Pasting）（★今回のポイント）	「非復元抽出」を用いる。各サブセット内で重複のない形で、データをランダムにサンプリングしてモデルを並列に学習させる。

4. なぜペーティングが存在するのか？

・大規模データにおける効率性：

データ数が膨大にある場合、わざわざ重複を許す復元抽出（バギング）をしなくても、非復元抽出（ペーティング）で十分に異なるサブセットを安全に切り出すことができます。計算コストやデータの重複を避けたい場合に活用されます。

5. DS検定形式：実戦4択クイズ

問：機械学習のアンサンブル学習における「ペーティング」に関する記述として、最も適切なものはどれか。

① 非復元抽出を用いて各サブセット内で重複のない形でランダムにデータをサンプリングし、複数のモデルを並列に学習させる手法である。
② 復元抽出（ブートストラップサンプリング）を用いて、同じデータが複数回選ばれることを許容してサブセットを作成する手法である。
③ モデルの予測誤差を最小化するために、損失関数の勾配を利用して決定木を逐次的に追加・学習させていく手法である。
④ 決定木のノードを分割する際に、データだけでなく使用する特徴量もランダムに選択してモデル間の独立性を高める手法である。

【正解： ① 】

解説： ペーティングの定義を正確に理解しているかを問う重要問題です。
①が正解です。非復元抽出による重複のないサンプリングで並列学習を行います。
②は「バギング」、③は「勾配ブースティング」、④は「ランダムフォレスト」の説明です。

6. まとめ

DS検定や資格試験で「バギングに類似」「非復元抽出」「重複のない形でのサンプリング」といったキーワードが出たら、正解は「ペーティング（Pasting）」です！バギングとの違いをあわせてしっかり押さえておきましょう！