Uczenie zespołowe (ensemble learning) to technika uczenia maszynowego, która polega na łączeniu wielu pojedynczych modeli w jeden wspólny system. Głównym celem tego podejścia jest osiągnięcie wyższej dokładności prognostycznej oraz większej stabilności, niż byłoby to możliwe przy użyciu pojedynczego modelu. Metoda ta pozwala na skuteczne zmniejszenie wariancji oraz obciążenia, co minimalizuje ryzyko przeuczenia modelu. Do najpopularniejszych strategii w tej dziedzinie zalicza się metody takie jak bagging, boosting oraz stacking.
Uczenie zespołowe (ensemble learning) (EnsembleLearning)
