앙상블 학습에 대한 설명으로 옳지 않은 것은?

빅데이터분석기사 · 0pt

배깅(Bagging)은 여러 학습 모델의 결과를 결합하여 예측의 분산을 줄이는 데 도움을 줄 수 있다. 부스팅(Boosting)은 이전 모델의 오류를 보완하는 방향으로 모델을 순차적으로 학습하는 방식이다. 앙상블을 적용하면 모든 데이터에서 과소적합이 제거되고 단일 모델보다 높은 성능이 보장된다. 랜덤 포레스트는 여러 의사결정나무의 결과를 결합하는 대표적인 앙상블 기법이다.