機器學習-集成之隨機森林算法原理及實戰

Bagging和隨機森林 前言 集成學習是目前機器學習的一大熱門方向。簡單來講，集成學習就是組合許多弱模型以獲得一個預測結果比較好的強模型。對於常見的分類問題就是指採用多個分類器對數據集進行預測，把這些分類器的分類結果進行某種組合（如投票）決定分類結果，從而總體提升分類器的泛化能力。 集成學習對於大數據集和不充分數據都有很好的效果。由於一些簡單模型數據量太大而很難訓練，或者只能學習到一部分，而集成

>>阅读原文<<