AdaBoost はパターン認識において用いられるアルゴリズムで，逐次的に学習データに対する誤差が最小になるようにモデルを構成する．しかしながら，新たなデータに対する予測を考えるとき，学習データに対する誤差が最小であるモデルが適切とは限らない．それに対し，特に線形回帰の分野では様々な正則化法や変数選択法が研究されている．変数選択法のうちの変数増加法の 1 つとして Stagewise がある．Stagewise は各反復において変数を １ つ選択する．このとき，それに対応するパラメータを誤差関数が最小になるように増加させるのではなく，わずかにパラメータが増加するよう更新を行うアルゴリズムで，予測誤り率を改善することが知られている．AdaBoost のモデルを線形回帰のモデルと比較して考えると AdaBoost は変数増加法とみなすことができる．本研究では，AdaBoost において Stagewise の考え方を適用することで，新たなデータに対する予測誤り率の改善について検討する．AdaBoost is an algorithm used for pattern recognition. This algorithm successively makes the model which minimizes an error for sample data. However, to consider prediction, there is no guarantee that such model is optimum. Regarding this issue, there are many studies about regularization method and variable selection method. Forward selection method is one of the methods of variable selection method and Stagewise is one of the methods of forward selection method. Each iteration, Stagewise selects one variable. Stagewise updates parameters slightly increase and not minimizes an error for sample data. It is known that Stagewise improves the rate of a prediction error. In this research, we apply the idea of Stagewise for AdaBoost and consider improvement the rate of a prediction error.