集成算法

集成算法是指利用多个分类器的结果，增强模型的泛化能力和健壮性。

集成方法常分为两类：

1. averging methods：平均法的原则是： 独立的构建几个学习器，然后平均他们的预测。通常，组合的学习器要比任何一个单个的学习器要好，因为它降低了方差。                                                                                                                                                                 其中的代表：bagging 方法，随即森林
2. boosting methods：学习器依次构建，试图降低组合的学习器的偏差。