集成學習(Ensemble Learning)綜述

集成學習簡單理解就是指採用多個分類器對數據集進行預測，從而提升總體分類器的泛化能力。 集成學習有兩個流派，一個是boosting派系，它的特色是各個弱學習器之間有依賴關係。另外一種是bagging流派，它的特色是各個弱學習器之間沒有依賴關係，能夠並行擬合。web 1. Bagging Bagging算法（Bootstrap aggregating，引導彙集算法），又稱裝袋算法，是機器學習領域的一種

>>阅读原文<<