ロジットマージ（ろじっとまーじ）
最終更新：2026/4/28
ロジットマージは、ニューラルネットワークの学習において、複数のモデルの出力ロジットを組み合わせることで、より精度の高い予測を行う手法である。
別名・同義語 ロジットアンサンブル
ポイント
ロジットマージは、異なるモデルの知識を統合し、個々のモデルの弱点を補完することで、汎化性能の向上を目指す。
ロジットマージとは
ロジットマージは、複数のニューラルネットワークモデルの出力層におけるロジット（確率分布に変換される前の値）を、単純に平均化したり、重み付け平均したりすることで、最終的な予測を行う手法です。アンサンブル学習の一種であり、特に画像認識や自然言語処理などの分野で利用されています。
ロジットマージの利点
- 精度の向上: 複数のモデルの予測を組み合わせることで、個々のモデルよりも高い精度を達成できる可能性があります。
- 汎化性能の向上: 異なるモデルの知識を統合することで、未知のデータに対する汎化性能が向上する可能性があります。
- 実装の容易さ: モデルの構造を変更する必要がなく、既存のモデルをそのまま利用できるため、実装が比較的容易です。
ロジットマージの種類
- 単純平均: すべてのモデルのロジットを等しい重みで平均化します。
- 重み付け平均: 各モデルのロジットに異なる重みを付けて平均化します。重みは、モデルの性能や信頼度に基づいて決定されます。
- スタッキング: ロジットを特徴量として、別のメタ学習器を用いて最終的な予測を行います。