Teil C · Klassifikationsverfahren · Lektion 13

Ensembles

Geprüft am 20.11.2026

Bagging: viele Bäume parallel, Mehrheit entscheidet. Boosting: Bäume nacheinander, jeder korrigiert den Vorgänger.

Der vollständige Inhalt dieses Kapitels ist Teil des Kurses Bachelor Professional KI.

Mit Animationen, Rechenwegen, Übungen mit KI-Korrektur und Quiz. Einmalig 99 € für 3 Jahre Zugriff – Modul 1 ist kostenlos.

Häufige Fragen zu „Ensembles“

Was ist der Unterschied zwischen Random Forest und Gradient Boosting?

Random Forest trainiert viele Bäume parallel auf Zufallsstichproben und lässt sie abstimmen. Gradient Boosting trainiert Bäume nacheinander, und jeder korrigiert die Restfehler der vorherigen.

Welches Verfahren ist bei Tabellendaten meist am genauesten?

Gut eingestellte Gradient-Boosting-Verfahren wie XGBoost oder LightGBM schneiden bei Tabellendaten häufig am besten ab, oft besser als neuronale Netze.