Ensemble Learning

Türkçe: Topluluk Öğrenmesi

Ayrıntılı Tanım

Tek bir kuvvetli model eğitmek yerine, birden fazla zayıf veya orta seviye modeli eğitip kararlarını birleştirerek çok daha yüksek doğruluk ve genelleme elde eden yaklaşımdır.

Ne İşe Yarar / Çözülen Problem

Tek bir modelin aşırı öğrenme (varyans) veya eksik öğrenme (yanlılık) riskini minimize eder; Kaggle yarışmalarının ve endüstrinin omurgasıdır.

Nasıl Çalışır? (Teknik & Mekanizma)

Modeller paralel eğitilip oylanabilir (Bagging), ardışık eğitilip birbirinin hatasını düzeltebilir (Boosting) veya bir meta-model ile birleştirilebilir (Stacking).

Örnek Senaryo & Pratik Uygulama

"Kim Milyoner Olmak İster?" yarışmasında tek bir uzmana sormak yerine stüdyodaki yüzlerce kişinin ortak oyuna (seyirci jokeri) güvenmek.

Benzer Terimlerden Farkı

Tekil algoritmaların üzerinde yer alan üst düzey (meta) bir makine öğrenmesi mimarisidir.

İlişkili Terimler (4)

#34

Stacking

Yığınlama / Katmanlı Topluluk

#35

Bagging

Torbalama (Örneklem Çoğaltma ve Birleştirme)

#36