앙상블 기법은 머신러닝에서 여러 개의 단순한 모델(Weak Learner 또는 Base Model)을 생성하고, 이들의 예측을 결합하여 하나의 강력하고 정확한 최종 모델(Strong Learner)을 구축하는 방법론입니다. 단일 알고리즘이 가질 수 있는 편향(Bias)이나 분산(Variance)에 따른 오류를 최소화하고, 전반적인 예측 성능과 새로운 데이터에 대한 일반화(Generalization) 능력을 높이는 것이 핵심 목적입니다. 이 중 여러 개의 약한 학습기(Weak Learner)를 결합하여 하나의 강력한 예측 모델(Strong Learner)을 만드는 앙상블 학습의 핵심 방법론인 Bagging과 Boosting에 대해 알아보겠습니다. 1. 배깅 (Bagging, Bootstrap Aggreg..
