Fundamentos de machine learning · Aprendizaje supervisado

Métodos de ensamble

Combinar muchos modelos débiles (normalmente árboles) en uno más fuerte, ya sea promediando (bagging) o corrigiendo sus errores sucesivamente (boosting).

Empezar una lección sobre Métodos de ensamble

Aprende antes

• Árboles de decisión: Un modelo que predice haciendo una secuencia de preguntas de sí/no sobre la entrada, como un diagrama de flujo.

Temas relacionados

• Ajuste de hiperparámetros: Buscar sistemáticamente los ajustes (tasa de aprendizaje, fuerza de regularización, profundidad del árbol) que no se aprenden de los datos sino que se eligen antes del entrenamiento.