Machine Learning · Módulo 09
Bagging
Cada árbol ve una muestra bootstrap distinta. Combiná sus votos y observá cómo un conjunto de modelos inestables puede producir una frontera más estable.
Árbol 1
Bagging
Mejora
Ambigüedad voto
Frontera del voto
opacidad = confianzaDiversidadCada árbol ve un bootstrap diferente.
PromedioLos errores idiosincráticos pueden cancelarse.
Rendimientos decrecientesMás árboles estabilizan, pero cada árbol adicional aporta menos.