Odborná definícia
Význam a odborné vymedzenie pojmu
Ensemble learning je prístup, ktorý kombinuje predikcie viacerých modelov s cieľom dosiahnuť lepšiu presnosť, stabilitu alebo odhad neistoty než pri jednom členovi. Výsledky sa môžu priemerovať, hlasovať, vážiť alebo vstupovať do meta-modelu. Bagging znižuje varianciu tréningom na odlišných vzorkách, boosting buduje členov postupne so zameraním na chyby a stacking učí kombinátor z out-of-fold predikcií. Prínos závisí od kvality aj rozmanitosti chýb, nie iba od počtu modelov.
Zrozumiteľné vysvetlenie
Ako sa pojem používa v praxi
Ak päť modelov robí presne rovnakú chybu, ich hlasovanie ju neopraví. Ansámbel pomáha vtedy, keď jednotliví členovia zachytávajú problém odlišne. Random forest napríklad kombinuje stromy trénované na rôznych vzorkách a podmnožinách atribútov. Pri LLM môže systém vyžiadať viac riešení a následne ich vybrať alebo agregovať, čo však zvyšuje náklady. Hodnotiť treba celý rozhodovací proces, pretože silnejší priemer môže zakryť slabý výkon na menšinovej skupine. Rozmanitosť chýb sa preto meria, nie iba predpokladá.
Časté otázky
Otázky, ktoré spresňujú význam
Aký je rozdiel medzi baggingom a boostingom?
Bagging trénuje členov prevažne nezávisle a agreguje ich, čím tlmí varianciu. Boosting pridáva modely postupne tak, aby opravovali zvyškové chyby predchádzajúcich.
Čo je stacking?
Základné modely vytvoria predikcie, ktoré sa stanú vstupom meta-modelu. Na tréning kombinátora sa používajú out-of-fold výstupy, aby nevznikol únik.
Musí ansámbel obsahovať rôzne architektúry?
Nie. Rozmanitosť môže vzniknúť aj z odlišných seedov, vzoriek, feature, hyperparametrov alebo checkpointov rovnakej architektúry.
Ako ansámblovanie ovplyvňuje latenciu?
Ak sa všetci členovia spúšťajú pri každej požiadavke, rastie výpočet aj pamäť. Pomôcť môže paralelizácia, kaskáda alebo distilácia ansámblu.
Je väčší ansámbel vždy lepší?
Nie. Prírastok sa zmenšuje a korelované modely pridávajú málo informácie. Každý nový člen sa posudzuje podľa prínosu k celku a prevádzkových nákladov.
Súvisiace pojmy
Významové a tematické súvislosti
Pojem v rozhodovaní
Odborné články, ktoré tento pojem používajú v praxi
Zdroje a redakčná stopa
Použité východiská a odborná revízia
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.