Ensemble Methods Foundations and Algorithms 中文译文——Preface

2019独角兽企业重金招聘Python工程师标准>>>

前言（Preface）

     集成学习方法是指训练多个学习器并将它们组合使用。Boosting和Bagging是集成方法的主要代表，它们是目前主流的集成学习方法。众所周知，集成学习通常比单个学习器更加精准，并且集成学习在真实世界的许多工作中已经取得很大成功。
    我们很难追溯集成方法的起源，因为基础的部署多个模型的思想已经在人类社会应用了很长时间。但是，很显然集成学习已成为一个热门话题，因为20世纪90年代，来自各个领域的研究人员（如机器学习、模式识别、数据挖掘、神经网络以及统计数据），便开始从不同方面研究集成学习。

    本书可供想了解集成方法的研究人员、学生和从业者使用。全书共分为八个章节，这些章节自然地组合成三个部分。

    第一部分由第一章组成。虽然本书主要为有机器学习和模式识别基本背景知识的读者准备，但为了让不熟悉这些领域的读者能够读懂本书的主要内容，第一章介绍了集成学习方法的一些“基本知识”。我们不可能在一个章节中详细介绍所有的背景知识，因此本章主要作为进一步研究的指导。同时，本章也用来解释本书中用到的一些术语，避免因不同相关领域中使用的其他术语导致的混淆。
    

转载于:https://my.oschina.net/u/1180306/blog/178546