이전 장에서 다양한 분류 모델을 평가하고 튜닝하는 모범 사례를 집중적으로 알아보았습니다. 이 장에서는 이런 기술을 토대로 분류기 집합을 구성하는 여러 가지 방법을 살펴보겠습니다. 분류기 집합은 개별 분류기보다 더 뛰어난 예측 성능을 내는 경우가 많습니다. 다음 방법들을 배우겠습니다.
• 다수결 투표를 기반으로 예측 만들기
• 중복을 허용하여 랜덤하게 훈련 데이터셋을 뽑는 배깅(bagging)을 사용해서 과대적합 감소하기
• 앞선 모델의 오차를 학습하는 약한 학습기(weak learner)로 구성된 부스팅(boosting)으로 강력한 모델 구축하기