Ensemble Learning / Học tổng hợp

📖 Ensemble Learning

Definition (English):

Ensemble learning is a machine learning paradigm where multiple models (often called "weak learners") are trained to solve the same problem and combined to get better results. The main hypothesis is that by combining several weak models, one can produce a model with better overall performance. Common methods include bagging (Random Forest), boosting (XGBoost, AdaBoost), and stacking.

📖 Học tổng hợp

Định nghĩa (Tiếng Việt):

Học tổng hợp là paradim học máy trong đó nhiều mô hình (thường gọi là "học viên yếu") được huấn luyện để giải quyết cùng một vấn đề và kết hợp để có kết quả tốt hơn. Giả thuyết chính là bằng cách kết hợp nhiều mô hình yếu, có thể tạo ra mô hình có hiệu suất tổng thể tốt hơn. Các phương pháp phổ biến bao gồm bagging (Random Forest), boosting (XGBoost, AdaBoost) và stacking.

📂 Phân loại: ML Techniques