Ensemble Learning
Birden fazla modelin tahminlerini birleştirerek tek bir modelden daha güçlü sonuç üreten yöntem.
Topluluk öğrenmesi, tek başına kusurlu veya sınırlı olabilecek birden fazla modelin tahminlerini akıllıca birleştirerek, tek bir modelin başarabileceğinden daha doğru ve daha sağlam bir nihai sonuç üretmeyi amaçlayan bir tekniktir. Bagging yaklaşımında (rastgele orman buna örnektir) birçok model verinin farklı alt kümeleriyle bağımsız eğitilip sonuçları oylanır; boosting yaklaşımında ise modeller sırayla eğitilir ve her yeni model bir öncekinin hatalarını düzeltmeye odaklanır; stacking'de ise farklı modellerin çıktıları başka bir üst model tarafından birleştirilir. Bu yaklaşımların ortak mantığı, farklı modellerin yaptığı hataların birbirinden bağımsız olma eğiliminde olması ve bu sayede bir araya geldiklerinde birbirlerini dengeleyerek genel doğruluğu artırmalarıdır.