4. Python study./ 머닝러신

🎯 1️⃣ 앙상블 기법 총정리: 팀플 전략이라고 생각하자!

👉 여러 개의 머신러닝 모델(팀원)을 조합해서 더 좋은 성능을 내는 방법

→ 마치 축구에서 공격수, 수비수, 골키퍼를 따로 쓰는 것처럼!

전략	설명	예시 모델
Bagging	데이터를 여러 조각으로 나눠서 여러 모델에 동시에 학습시킴 (병렬학습)	`Random Forest`
Boosting	앞에서 틀린 걸 다음 모델이 보완하게 만듦 (순차학습)	`XGBoost`, `LightGBM`
Voting	서로 다른 모델들의 결과를 다수결 또는 평균으로 결정	`LogReg + SVM + KNN`
Stacking	여러 모델의 예측 결과를 새로운 입력값으로 → 최종 모델이 학습	`Base + Meta 모델`

전략	비유
Bagging	같은 문제를 여러 조별 과제로 나눠 풀고, 결과를 평균냄
Boosting	앞사람이 틀린 걸 뒷사람이 고치면서 점점 정답에 가까워짐
Voting	서로 다른 의견을 가진 친구들한테 설문 돌려서 다수결로 결정
Stacking	여러 전문가가 예측한 결과를 모아, 그것만 전문으로 분석하는 메타 전문가가 최종 판단

📌 Leaf-wise 방식은 성능이 뛰어나지만 과적합 위험이 있어.

→ 대량의 데이터일 때 LightGBM이 강력함!