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: 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 boosting methods:学习器依次构建,试图降低组合的学习器的偏差。