Lihat sumber Overfitting pada Model Ensemble

Model ensemble adalah gabungan dari beberapa model prediktif yang digunakan untuk meningkatkan akurasi prediksi. Meskipun dikenal mampu mengurangi risiko overfitting, model ensemble tetap dapat mengalami overfitting jika tidak dirancang dengan tepat.

== Jenis Model Ensemble ==
Beberapa metode ensemble yang populer adalah [[bagging]], [[boosting]], dan [[stacking]]. Setiap metode memiliki cara unik dalam menggabungkan model dasar untuk mendapatkan hasil prediksi yang lebih baik.

== Risiko Overfitting pada Ensemble ==
Jika jumlah model dasar terlalu banyak atau model dasar terlalu kompleks, ensemble dapat "menghapal" data pelatihan. Hal ini menyebabkan prediksi yang kurang baik pada data baru.

== Tips Mencegah Overfitting pada Ensemble ==
Penggunaan model dasar yang sederhana, serta teknik regularisasi dan cross-validation, dapat membantu mengurangi risiko overfitting pada model ensemble.