勾配ブースティング以外のブースティングは、あまり使われないのかな？
勾配ブースティング以外のブースティング手法も、特定の問題や状況において有用である場合がありますが、現在では勾配ブースティングが最も広く使用されています。勾配ブースティングは、高い予測精度や汎化性能、効率性を提供することで知られており、多くの機械学習タスクで優れた結果を示しています。
ただし、勾配ブースティング以外のブースティング手法も、特定の利点や適用範囲を持っています。例えば、AdaBoostは、学習の収束が速く、モデルの過学習に対する頑健性があります。また、LogitBoostは、分類問題においてロジスティック回帰に基づくブースティング手法として有効です。
そのため、特定の問題やデータセットにおいては、勾配ブースティング以外のブースティング手法が優れた結果を示すことがあります。また、新しい手法や改良された手法が開発されることもあり、将来的にはそのような手法が広く使用される可能性もあります。
総じて言えることは、適切な手法の選択は問題に依存し、問題やデータの特性、目標に応じて行われるべきであり、特定の手法が他の手法よりも優れているとは限りません。そのため、機械学習の実践者は、複数の手法を理解し、適切な手法を選択するための経験と知識を持つ必要があります。