앙상블 학습법

위키백과, 우리 모두의 백과사전.
둘러보기로 가기 검색하러 가기

통계학기계 학습에서 앙상블 학습법(영어: ensemble learning method)은 학습 알고리즘(learning algorithm)들을 따로 쓰는 경우에 비해 더 좋은 예측 성능을 얻기위해 다수의 학습 알고리즘을 사용하는 방법이다.[1][2][3] 통계 역학(statistical mechanics)에서의 통계적 앙상블과 달리 기계 학습에서의 앙상블은 대체 모델들의 단단한 유한 집합을 가리키지만, 일반적으로 그러한 대체 모델 사이에 훨씬 더 유연한 구조를 허용한다.

각주 및 참고자료[편집]

  1. Opitz, D.; Maclin, R. (1999). “Popular ensemble methods: An empirical study”. 《Journal of Artificial Intelligence Research11: 169–198. doi:10.1613/jair.614. 
  2. Polikar, R. (2006). “Ensemble based systems in decision making”. 《IEEE Circuits and Systems Magazine》 6 (3): 21–45. doi:10.1109/MCAS.2006.1688199. 
  3. Rokach, L. (2010). “Ensemble-based classifiers”. 《Artificial Intelligence Review》 33 (1-2): 1–39. doi:10.1007/s10462-009-9124-7.