Seleção de ensemble a partir de bibliotecas de modelos

Apresentamos um método para construir ensembles a partir de bibliotecas com milhares de modelos. Bibliotecas de modelos são geradas usando diferentes algoritmos de aprendizado e configurações de parâmetros. A seleção progressiva é utilizada para adicionar ao ensemble os modelos que maximizam seu desempenho. A seleção de ensemble permite que os ensembles sejam otimizados para métricas de desempenho, como acurácia, entropia cruzada, precisão média ou área ROC. Experimentos com sete problemas de teste e dez métricas demonstram o benefício da seleção de ensemble.