6.1.4 앙상블 방법

앙상블 방법은 여러 모델의 예측을 연결하여 전반적인 예측 성능을 향상시킵니다. 하지만 여러 모델을 사용하기 때문에 계산 비용이 증가하는 단점이 있습니다.

앙상블 방법을 어떤 결정에 대해 전문가 위원회에게 의견을 물어보고 그들의 판단을 어떤 식으로 연결하여 최종 결정을 내리는 것으로 생각할 수 있습니다. 위원회의 구성원은 각기 다른 배경과 경험을 가진 경우가 많습니다. 기본적인 결정에 동의하는 경향이 있지만 잘못된 결정은 다수결의 원칙에 따라 거부할 수 있습니다. 전문가 중 다수가 항상 옳다는 뜻은 아니지만 위원회 중 다수가 평균적으로 한 구성원보다 더 옳을 가능성이 높습니다.

앙상블 방법의 가장 기본적인 예는 다수결 투표(majority voting)입니다. 여기서는 k개의 다른 분류기를 훈련하고, 주어진 입력에 대해 k개 모델에서 예측된 클래스 레이블을 모읍니다.