ロジスティック回帰って、アンサンブル学習ではない？
ロジスティック回帰は、アンサンブル学習ではありません。実際には、ロジスティック回帰は単一のモデルであり、アンサンブル学習は複数のモデルを組み合わせて予測を行う手法です。
具体的には、ロジスティック回帰は入力特徴量の線形結合をロジスティック関数（またはシグモイド関数）に適用し、それに基づいて２つ以上のクラスの確率を予測します。これに対して、アンサンブル学習では、複数のモデルを組み合わせて予測を行い、それらの結果を統合して最終的な予測を得ます。
アンサンブル学習の代表的な手法には、ランダムフォレストや勾配ブースティングなどがあります。これらの手法は、複数の決定木やその他のベースモデルを組み合わせて予測を行います。これにより、個々のモデルの弱点を補い、より強力な予測を実現します。
したがって、ロジスティック回帰は単一のモデルであり、アンサンブル学習の一部ではありません。ただし、アンサンブル学習の中にはロジスティック回帰をベースモデルとして使用する手法もあります。