ensemblebaserte
Ensemblebaserte metoder refererer til statistiske og maskinlæringsmetoder som bygger prediksjonsmodeller ved å kombinere flere individuelle modeller til et samlet ensemble. Hovedideen er at ulike modeller kan utfylle hverandres svakheter, slik at aggregasjonen gir høyere nøyaktighet og større robusthet enn en enkelt modell.
Det finnes tre primære tilnærminger: bagging, boosting og stacking. Bagging innebærer å lage flere treningssett gjennom
Kjente eksempler inkluderer random forest, som er en samling beslutningstrær bygget med bagging; gradient boosting og
Ensemblebaserte metoder egner seg spesielt når data er heterogene eller når enkelmodeller lider av overtilpasning. De
Se også: ensemblemetoder, random forest, gradient boosting, EnKF, stacking, voting.