Ensemble-Methode (Ensemble method)

Technik im maschinellen Lernen, die mehrere Modelle (Stimmen oder Mittelwerte) kombiniert, um Genauigkeit und Stabilität zu verbessern, einschließlich Bagging und Random Forests.

Eine Ensemble-Methode trainiert viele Modelle für dasselbe Problem und aggregiert deren Ausgaben, oft per Mehrheitsvote oder Mittelwert. Bagging und Random Forests (Breiman, Artikel) sind klassische Beispiele, die Varianz senken.

Das Grand-Prize-Team BellKor’s Pragmatic Chaos mischte mehrere Prädiktoren, um den Netflix Prize zu gewinnen, auch wenn Netflix später einfachere Faktorisierung und RBM-Komponenten in Produktion bevorzugte. Ensembles treiben auch Echtzeit-Pose-Schätzung in der Kinect-Tiefenpipeline.