Ensemble learning (Souborové učení)

Ensemble learning je metoda, která kombinuje více různých modelů (např. rozhodovací stromy, neuronové sítě) za účelem zlepšení přesnosti a spolehlivosti predikcí. Místo toho, aby rozhodoval jeden model, o výsledku hlasuje „tým modelů“. Mezi známé techniky patří bagging (např. Random Forest) nebo boosting (např. XGBoost). Ensemble learning často překonává jednotlivé modely a je velmi oblíbený v soutěžích i v praxi.