集成学习算法简介
1 什么是集成学习
【超级个体和弱者联盟对比，后者更优】
集成学习通过建立几个模型来解决单一预测问题。它的工作原理是生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成组合预测，因此优于任何一个单分类的做出预测。
2 复习：机器学习的两个核心任务
3 集成学习中boosting和Bagging
只要单分类器的表现不太差，集成学习的结果总是要好于单分类器的.
集成学习是一种通过结合多个分类器的预测来提高整体预测性能的方法。它包括如Boosting和Bagging等策略，即使单个分类器表现一般，整体集成后的效果也通常优于单个模型。集成学习的核心在于利用多个弱预测器构建强预测系统，从而在机器学习任务中实现更优的解决方案。
343
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
