반응형
단일 모델이 아니라 아니라 여러 모델을 통해 문제 해결을 시도하는 앙상블 방식은 크게 쌓기(Stacking)와 섞기(Blending)로 나누어 볼 수 있습니다. 이 두 방식은 기본적으로 유사한 접근 방식을 가지고 있어 혼동하기 쉽지만 다음 층의 훈련 데이터 세트를 예측하는 방식이 다릅니다.
쌓기(Stacking) 방식에서는 (예를 들면 메타 모델 같은) 다음 층의 훈련 데이터 세트를 예측할 대 OOF(out-of-fold) 예측을 사용합니다. 하지만 섞기(Blending)에서는 (예를 들면 훈련 데이터 세트의 10~15% 정도인) 검증 데이터 세트를 다음 층을 훈련시키는데 사용합니다.
반응형
'프로그래밍' 카테고리의 다른 글
| Git 설치 방법【Windows 용】 (0) | 2023.04.12 |
|---|---|
| 【총정리】 AI, 머신러닝, 딥러닝 영어 (1) | 2022.11.07 |
| 【GBM 지식】 split point(분할 지점)이란? (0) | 2022.10.26 |
| 예측 변수(predictor), 특징(Feature), 목표 변수(Target)의 차이는? (0) | 2022.10.26 |
| 목표 인코딩(Target encoding)이란? 【1분만에 이해하기】 (1) | 2022.10.26 |
최근댓글