Existujú rôzne typy súborových metód, vrátane:
- Backing (Bootstrap Aggregating): Vakovanie je súborová metóda, ktorá vytvára viacero bootstrapovaných vzoriek z trénovacích údajov. Každá bootstrapped vzorka sa používa na trénovanie základného modelu a predpovede základných modelov sa potom spriemerujú, aby sa vytvorila konečná predpoveď.
- Zosilnenie (Adaptívne zosilnenie): Boosting je súborová metóda, ktorá trénuje základné modely postupne. Každý základný model je trénovaný na rovnakých trénovacích údajoch, ale po trénovaní každého modelu sú údaje prehodnotené. Dátovým bodom, ktoré sú nesprávne klasifikované predchádzajúcim modelom, sa pripisuje vyššia váha, takže nasledujúce modely sa zameriavajú na tieto údajové body.
- Náhodné lesy: Náhodné lesy sú súborovou metódou, ktorá vytvára súbor rozhodovacích stromov. Každý rozhodovací strom sa trénuje na inej podmnožine trénovacích údajov a konečná predpoveď sa robí väčšinovým hlasovaním alebo spriemerovaním predpovedí jednotlivých rozhodovacích stromov.
Súborové metódy sú často presnejšie ako jednotlivé modely, pretože môžu pomôcť znížiť rozptyl a skreslenie modelu. Môžu sa tiež použiť na zlepšenie robustnosti modelu, pretože môžu pomôcť zabrániť tomu, aby sa model príliš prispôsobil trénovacím údajom.