Ансамблевое обучение — техника МО, использующая несколько обученных алгоритмов с целью повышения эффективности предсказаний (иногда переводят как "предсказательная эффективность - predictive performance), чем можно было бы получить от каждого алгоритма по отдельности. Ансамбль моделей в машинном обучении состоит из конкретного конечного множества альтернативных моделей, но, обычно, позволяет существовать существенно более гибким структурам. При использовании ансамблевых методов алгоритмы учатся одновременно и могут исправлять ошибки друг друга...

Градиентный бустинг (Градиент-бустинг, Gradient Tree Boosting, Gradient Boosting Machine - GBM) – это метод Машинного обучения (ML) для задач Регрессии (Regression) и Классификации (Classification), который создает прогнозирующую Модель (Model) в форме Ансамбля (Ensemble) слабых алгоритмов прогнозирования, обычно Деревьев решений (Decision Tree). Несмотря на то, что GBM широко используется, многие практики по-прежнему рассматривают его как Черный ящик (Black Box) и просто запускают модели с использованием предварительно созданных библиотек...