Ensamble

Es una técnica en el aprendizaje automático que mejora el rendimiento predictivo al combinar múltiples modelos individuales. Estos modelos pueden ser del mismo tipo o de tipos distintos. Al unir las predicciones de varios modelos, el ensamble puede disminuir el sesgo y la varianza, resultando en un modelo más robusto y generalizable. Además, puede mitigar los errores individuales de cada modelo. Algunos métodos comunes de ensamble incluyen el bagging, boosting y la combinación de modelos por votación.