<aside> 📖 앙상블: 여러 개의 예측기가 좋은 예측기 하나보다 더 좋은 성능을 낼 수 있는 것 방법에는 Voting, Bagging, Boosting, Stacking이 있음

</aside>

앙상블

여러 개의 예측기(weaker learner)가 좋은 예측기(strong learner) 하나보다 더 좋은 성능을 낼 수 있는 것

• 단일 모델의 약점을 다수의 모델들을 결합하여 보완

  → 성능이 낮더라도 다른 유형과 다른 계열의 모델을 섞으면, 성능이 좋아질 수 있다.

  

앙상블 유형

• Voting
• Bagging (Random Forest)
• Boosting (AdaBoost, Gradient Boost, XGBoost, LGBM)
• Stacking

Voting 기반 분류기

다른 알고리즘 모델을 조합하여 도출해 낸 결과물에 대해 최종 투표하는 방식

Hard Vote

• 결과물에 대한 최종 값을 투표하여 결정

Soft Vote

• 결과물이 나올 확률 값을 다 더해, 각각의 확률을 구한 뒤 최종 값 도출

Bagging(Bootstrap Aggregation) 기반 분류기