순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Omer Sagi, Lior Rokach · Wiley Interdisciplinary Reviews Data Mining and Knowledge Discovery · 2018년 · 조회 2
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2018-02 발표 · 피인용 3,106회 · FWCI 84.8 · 동년 인용 상위 1% · 참고문헌 146개
RESEARCH 슬롯은 후속 연구에 활용도가 높은 논문을 선정하며, 3,106회의 인용과 FWCI 84.8이라는 높은 영향력으로 향후 연구 설계에 참고가 풍부합니다.
논문 요약
앙상블 방법은 다중 모델을 학습하고 예측을 결합해 단일 모델의 성능을 향상시킨다. 본 논문은 앙상블 학습의 개념을 소개하고 전통적·최신·최첨단 기법을 체계적으로 리뷰한다. 또한 현재 직면한 과제와 흐름을 논의하며 분류 분야를 중심으로 설명한다. 데이터 마이닝·지식 발견 분야에서 3,106회 인용·FWCI 84.8 등 높은 영향력을 보인다.
후속 연구설계에 활용하기
앙상블 학습의 다양한 방법론을 변수로 도입하거나, 모델 결합 전략을 설계 단계에 포함시켜 예측 정확도를 향상시킬 수 있다.
핵심어
앙상블 학습머신러닝모델 결합서베이
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.