数据分析面试

集成学习思想：
	两个流派：
		1、Boosting
			通过将弱学习器提升为强学习器的集成方法来提高预测的精度。
			典型算法：AdaBoost、GBDT
		2、Bagging
			通过自动采样的方法生成众多并行式分类器，通过“少数服从多数”的原则来确定最终的结果。
			典型算法：随机森林
			思想：一棵树是决策树，多棵树就是随机森林，解决了决策树泛化能力弱的缺点。
			随机：随机选择样本、随机选择特征
			集成学习：投票机制
		


GBDT概念：
	GBDT由3部分组成，DT（Regression Decistion Tree）、GB（Gradient Boosting）和Shrinkage(衰减)。
	由多棵决策树组成，所有树的结果累加起来就是最终结果。
	
	GBDT的思想：就是不断去拟合残差，使参数不断减少。