
190 | Capítulo 7: Ensemble Learning e Florestas Aleatórias
como um classificador hard voting) para a classificação ou a média para a regressão.
Cada previsor individual tem um viés mais alto do que se fosse treinado no conjunto
original, mas a agregação reduz tanto o viés quanto a variância.
4
Geralmente, o resultado
em rede é que o conjunto tem um viés semelhante, mas uma variância inferior do que
um previsor único treinado no conjunto de treinamento original.
Como você pode ver na Figura 7-4, os previsores podem ser treinados em paralelo com
diferentes núcleos de CPU ou mesmo servidores diferentes. Da mesma forma, as previ-
sões podem ser fei ...