꿈라CBT다음 <보기>에서 설명하는 앙상블 기법으로 가장 적절한 것은?
보기
앞 단계의 모델이 남긴 잔차(오차)를 다음 모델이 학습하도록, 약한 학습기를 순차적으로 이어 붙여 나간다.
손실함수의 경사(gradient)를 따라 오차를 줄여 가는 방식으로 모델을 추가하며, XGBoost·LightGBM이 대표적인 구현이다.
- 1배깅(Bagging)
- 2스태킹(Stacking)
- 3보팅(Voting)
- 4그래디언트 부스팅(Gradient Boosting)
다음 <보기>에서 설명하는 앙상블 기법으로 가장 적절한 것은?
앞 단계의 모델이 남긴 잔차(오차)를 다음 모델이 학습하도록, 약한 학습기를 순차적으로 이어 붙여 나간다.
손실함수의 경사(gradient)를 따라 오차를 줄여 가는 방식으로 모델을 추가하며, XGBoost·LightGBM이 대표적인 구현이다.