Ensemble learning là gì?

Ensemble trong học máy (machine learning) là một mô hình học máy (machine learning model) kết hợp các dự đoán từ hai hoặc nhiều mô hình (model). Các mô hình đóng góp vào ensemble, được gọi là các ensemble member, có thể cùng loại hoặc các loại khác nhau và có thể được huấn luyện (train) hoặc không được huấn luyện trên cùng một dữ liệu huấn luyện (training data).

Các dự đoán (prediction) được đưa ra bởi các ensemble member có thể được kết hợp bằng cách sử dụng số liệu thống kê, chẳng hạn như mode hoặc giá trị trung bình (mean), hoặc bằng các phương pháp phức tạp hơn để tìm hiểu mức độ tin cậy của mỗi ensemble member và trong những điều kiện nào.

Các phương pháp ensemble làm tăng đáng kể chi phí tính toán (computational cost) và độ phức tạp (complexity). Sự gia tăng này đến từ thời gian cần thiết để huấn luyện và duy trì nhiều mô hình hơn là một mô hình duy nhất.

Có hai lý do chính để sử dụng ensemble hơn là một mô hình duy nhất là:

• Hiệu suất (performance): Một ensemble có thể đưa ra dự đoán tốt hơn và đạt được hiệu suất (performance) tốt hơn bất kỳ mô hình đóng góp đơn lẻ nào.
• Tính mạnh mẽ (robustness): Một ensemble làm giảm sự lan truyền hoặc phân tán của các dự đoán và hiệu suất của mô hình.