集成学习:组队打比赛

集成学习就像“组队打比赛”，流程可以这样理解：

1. 准备“参赛选手”的数据：先拿到带标签的训练数据，比如一堆“水果图片+水果名称”的样本，这是让模型学习的基础。

2. 选“小助手”模型：选简单的基础模型（如“单层决策树”）当“小助手”，每个小助手能力有限，单独用可能总犯错，但好训练、速度快。

3. 让小助手“升级”：

• 第一轮：给所有数据一样的“关注度”，训练第一个小助手。训练完看它哪里分错了。
• 调整“关注度”：把分错的数据“关注度”提高（权重增加），就像告诉下一个小助手：“这些之前分错的，你重点看！”
• 重复训练：每轮都用调整后的关注度训练新小助手，同时给每个小助手算“话语权”——分错少的小助手，后面说话“分量”更重。

4. 综合所有小助手意见：最后把所有小助手的判断按“话语权”加起来，比如小助手A说“是苹果”，权重高就多听它的；小助手B说“不是”，权重低就少听。通过“投票汇总”得出最终结果，让整体判断更准。