Promedian los sesgos
Si promedia un montón de encuestas de tendencia democrática y un montón de encuestas de tendencia republicana juntas, obtendrá en promedio algo que no se inclina de ninguna manera
Reducen la varianza
La opinión agregada de un grupo de modelos es menos ruidosa que la opinión individual de uno de los modelos. En finanzas, esto se llama diversificación: una cartera mixta de muchas acciones será mucho menos variable que solo una de las acciones por sí sola. Esta es también la razón por la cual sus modelos serán mejores con más puntos de datos en lugar de menos.
Es poco probable que se sobreajusten
Si tiene modelos individuales que no se sobreajustan y combina las predicciones de cada modelo de una manera simple (promedio, promedio ponderado o regresión logística), entonces no hay espacio para el sobreajuste.
- En la Bayes Net dada, ¿existe un caso de explicación del fenómeno?
- ¿Por qué utilizamos núcleos en algunos modelos de aprendizaje automático?
- ¿Cuáles son las principales diferencias entre los MOOC de aprendizaje automático de Caltech y Stanford?
- ¿Existen demostraciones efectivas de relevancia semántica?
- ¿Qué factores además del conjunto de datos afectan cómo se elige el tamaño de lote para el descenso de gradiente estocástico (SGD) mini-lote?
Algunos modelos, como los modelos forestales, ya son modelos de conjunto.
Consulte ¿Cuáles son los mejores métodos para combinar diferentes modelos de aprendizaje automático para obtener una mejor predicción que cualquier modelo individual? sobre cómo aplicar modelos de conjunto.