Ensemble-Modelle: Wie sie Genauigkeit steigern und Überanpassung minimieren
Ensemble‑Modelle übertreffen häufig einzelne Lernalgorithmen, doch ihr Einfluss auf die Größe der Generalisierungslücke ist bislang nicht vollständig geklärt. In dieser Studie wird untersucht, wie Ensembles Genauigkeit und Überanpassung bei vier tabellarischen Klassifikationsaufgaben – Brustkrebs, Herzkrankheit, Pima‑Diabetes und Kreditkartenbetrug – ausbalancieren.