【机器学习】集成学习基础概念介绍

前言

本文根据西瓜书总结了一些关键知识点，介绍了集成学习的原理、类型以及结合策略。、

---

1. 个体与集成

集成学习（ensemble learning）通过构建的并结合多个学习器来完成学习任务，有时也被成为多分类器系统（multi-classifier system)、基于委员会的学习（committee-based learning)等。 …… 通过将多个学习器进行结合，常可获得比单一学习器显著优越的泛化性能。

2. 集成学习的两种类型

集成学习方法又可以大致分为两种；

1）平均方法：

代表算法是Bagging与随机森林。
原理是：构建几个独立的学习器，然后对其结果进行平均，通常表现都会比单一学习器好，因为方差也会减少。

2）Boosting方法：

代表算法是AdaBoost与梯度提升树（Gradient Tree Boosting）。
原理是：建立一个基学习器，然后根据基学习器的表现调整样本分布并用来训练下一个基学习器，不断重复这一步，直到得到T个基学习器（T是实现指定好的），最终将这T个学习器进行加权结合。

3. 结合策略

常见的结合策略包括： 平均法、投票法、学习法。

1） 平均法

包括简单平均（simpleaveraging) 和加权平均（weighted averaging)。加权平均的权重一般是从训练数据中学习而得，显示任务重的训练样本通常不充分或存在噪音，使得学习出的权重不完全可靠，容易导致过拟合。

• 个体学习器性能相差较大时宜使用加权平均，
• 个体学习器性能相近时宜使用简单平均法。

2）投票法

包括

• 绝对多数投票法（majority voting)：某标记得票过半，预测为该标记，否则拒绝预测
• 相对多数投票法(plurality voting) ：预测为得票最多的标记，若同时有多个标记获得最高票，则随机选取。
• 加权投票法（weighted voting）

3）学习法

• Stacking 是学习法的典型代表。（Stacking本身也是一个集成学习方法，也可以看做是一个特殊的结合策略）。
• Stacking方法原理有许多优秀文章，这里就附两个文章链接
  【机器学习】集成学习——Stacking模型融合（理论+图解）
  【集成学习】：Stacking原理以及Python代码实现

参考资料：
西瓜书第八章《集成学习》