ensembel1 앙상블 기법 앙상블 기법은 여러 개의 다른 모델들의 예측 결과를 합쳐서 더 좋은 예측을 만드는 기법이다. 앙상블 기법에서 바탕이 되는 가정은 서로 독립적으로 훈련된 모델들이 각자 다른 장점을 갖는다는 것이고,각 모델들은 예측을 만들기 위해 데이터를 각자 조금씩 다른 관점에서 바라본다. 즉, 모델의 다양성이 앙상블 기법의 핵심이다.반대로 말하면 모든 모델들이 동일한 편향을 갖는다면 이들을 앙상블한 모델 역시 동일한 편향을 갖게될 것이다.그렇기에 각기 다른 알고리즘으로 모델들을 학습시키면 모델들이 서로 독립적이기 때문에 앙상블 모델이 기존의 모델들 보다 더 높은 성능을 갖게된다. 앙상블 기법이 확률적으로 성능을 향상시킬 수 있는지 예시를 통해 확인해보자.정확도가 아래와 같은 3개의 독립적인 classifier 모델이 .. 2024. 6. 2. 이전 1 다음