DeepFlowest

앙상블 기법 여러 개의 분류 모델을 조합해서 더 나은 성능을 내는 방법 1. 배깅(bagging) 한 가지 분류 모델을 여러 개 만들어서 서로 다른 학습 데이터로 학습시킨 후( 부트스트랩), 동일한 테스트 데이터에 대한 서로 다른 예측값들을 투표를 통해(어그리게이팅) 가장 높은 예측값으로 최종 결론을 내리는 앙상블 기법 ==> 과대적합이 쉬운 모델에 상당히 적합한 앙상블 1-1. 부트스트랩(bootstrap) 데이터를 조금은 편향되도록 샘플링하는 기법 데이터 샘플링 시 편향을 높임으로써 분산이 높은 모델의 과대적합 위험을 줄이는 효과를 준다. N개의 데이터를 총 k개의 데이터로 나누어 담을 때 중복을 허용해서 데이터의 편향을 높인다. ( 부트스트랩을 사용하지 않으면 모두 동일하게 N개의 데이터로 학습 =..