集成学习(ensemble learning)通过构建并结合多个学习器来完成学习任务
集成学习
集成中只包含同种类型的个体学习器,这样的集成是“同质”的(homogeneous),每个学习器被称为基学习器(base learner)。否则成为“异质”的(heterogeneous),这时个体学习器被称为组件学习器(component learner)或者直接成为个体学习器。
好的个体学习器应好而不同。但常常学习器的“准确性”和“多样性”是冲突的,在准确性较高的时候,要增加多样性就要牺牲准确性。
根绝个体学习器的生成方式,目前集成学习可以分为两大类,Boosting和Bagging。
Boosting
Boosting是一族可将弱学习器提升为强学习器的算法。这族算法的机制类似:先从初始训练集中训练一个基学习器,再根据基学习器的表现对训练样本分布进行调整,使得先前基学习器的表现在后续受到更多关注,然后基于调整后的样本分布训练下一个基学习器。
对于无法接受带权样本的学习算法,可以通过”重采样法“(re-sampling)处理,即在每一轮的学习中根据样本分布对训练集重新进行采样,再用重采样得到的样本集对基学习器进行训练
Bagging与随机森林
Bagging是并行式集成学习算法的代表。基于自助采样法,给定包含m个样本的数据集,按照又放回的采样m个样本,这样训练集中约有 63.2 % 63.2 \% 63.