ANSAMBL METODE STROJNOG UČENJA

Aleksandar Stojanović; Željko Kovačević; Danko Ivošević

doi:10.19279/TVZ.PD.2023-11-4-04

Aleksandar Stojanović Tehničko veleučilište u Zagrebu
Željko Kovačević Tehničko veleučilište u Zagrebu
Danko Ivošević Tehničko veleučilište u Zagrebu

##plugins.pubIds.doi.readerDisplayName##: https://doi.org/10.19279/TVZ.PD.2023-11-4-04

Ključne riječi: ansambl, strojno učenje, pakiranje, pojačavanje, slaganje.

Sažetak

Ansambl metode strojnog učenja privukle su
značajnu pažnju posljednjih godina zbog svoje
sposobnosti poboljšanja točnosti i robusnosti
prediktivnih modela. Ove metode kombiniraju
rezultate više pojedinačnih modela kako bi proizvele
konačno predviđanje. Ansambl metode otpornije su
na odstupanja u podacima. Mogu se primijeniti na
širok raspon problema u području strojnog učenja,
uključujući klasifikaciju, regresiju i klasteriranje.
Općenito mogu pomoći u poboljšanju izvedbe
modela strojnog učenja i naširoko se koriste u
praksi. Zbog njihove velike važnosti i značaja ovaj
članak pruža pregled nekih od najčešće korištenih
ansambl metoda u strojnom učenju, uključujući
pakiranje, pojačavanje i slaganje, te opisuje
prednosti i ograničenja svakog od ovih pristupa.