4 jenis utama ensemble methods yang wajib diketahui dalam machine learning
Dalam Machine Learning , ensemble methods adalah pendekatan yang menggabungkan beberapa model (biasanya model prediktif seperti decision trees) untuk meningkatkan akurasi , stabilitas , dan generalization dari prediksi. Ensemble biasanya lebih kuat dibandingkan model tunggal. Berikut detail tentang 4 jenis utama ensemble methods: ✅ 1. Bagging (Bootstrap Aggregating) 🔹 Konsep: Bagging adalah metode ensemble yang membangun beberapa model independen dari subsets data pelatihan yang berbeda (diambil dengan bootstrap sampling , yaitu pengambilan sampel dengan pengembalian), lalu menggabungkan hasil prediksinya — biasanya dengan voting (klasifikasi) atau averaging (regresi) . 🔹 Tujuan: Mengurangi variance dari model (mencegah overfitting). 🔹 Ciri khas: Model dilatih secara paralel . Dataset pelatihan tiap model sedikit berbeda (karena bootstrap). Sangat cocok untuk algoritma dengan high variance (misalnya: decision trees). 🔹 Contoh algoritma: ...