Bab 4 #

Ansambel #

Gabungkan beberapa model untuk meningkatkan akurasi dan ketangguhan melalui pengurangan varians dan/atau bias.

Keluarga #

• Bagging: sampel bootstrap; menurunkan varians (contoh: Random Forests).
• Boosting: pembelajar berurutan yang mengoreksi residu (XGBoost, LightGBM, CatBoost).
• Stacking: meta‑model di atas model dasar; perlu CV yang hati‑hati untuk hindari kebocoran.

Tips #

• Jaga keragaman model dasar (algoritme/fitur/seed).
• Gunakan prediksi out‑of‑fold ter-CV untuk stacking.
• Atur kedalaman/laju belajar/regularisasi agar tidak overfitting.