集成学习ensemble learning

集成学习（ensemble learning）是一种分类方法

由众多分类器组成，如决策树、支持向量机、神经网络等等

它的分类结果也是由众多分类器的分类结果表决得到，就像投票选举一样

在一个集成学习器里面，可以全部是同一类分类器（如随机森林），

也可以是不同一类的分类器

集成学习的思想：由众多弱分类器组成一个强分类器，极大地减少了分类的失误率

只要平均每个分类器的正确率高于50%，而且分类器足够多，就一定能得到正确的分类结果