基本は、ランダムフォレストでベースラインモデルを作って、ブースティング系かニューラルネットワークでモデルを作る方が実用的なモデルが出来そうだね
はい、その通りです。ランダムフォレストは、比較的計算コストが低く、過学習に対する頑健性があるため、ベースラインモデルとして機能しやすいです。その後、ベースラインモデルの性能を基準として、ブースティング系のモデルやニューラルネットワークなどのより複雑なモデルを構築することで、さらなる性能向上が期待できます。
ただし、どのモデルが最適かはデータや問題によって異なります。データセットの特性やタスクの要件に応じて、最適なモデルを選択する必要があります。ブースティング系のモデルやニューラルネットワークは、より複雑な関係性をモデリングできる反面、計算コストや過学習のリスクが高くなる場合があります。そのため、慎重なモデル選択と評価が重要です。
ベースラインモデルの構築とその後のモデル改善には、反復的なプロセスが必要です。データの理解やモデルの性能評価を通じて、適切なアプローチを見出すことが重要です。