↑: [[G検定に関する知識]]
- 複数のモデル（弱学習器）を組み合わせて1つの強力なモデルを作る手法
- 「三人寄れば文殊の知恵」の考え方
- 個々のモデルの弱点を補い合い、[[過学習]]を抑えながら精度を向上
- 3つの代表的手法
- [[バギング]]：並列に学習して多数決・平均（バリアンス低減）
- [[ブースティング]]：直列に学習して前の誤りを補う（バイアス低減）
- [[スタッキング]]：モデルの出力を別のモデルへの入力として多段構造
- 「単一モデルより過学習しやすい」は誤り（むしろ抑えやすい）