集成學習之bagging和boosting

什麼是集成學習？ 將多個分類方法聚集在一起，以提高分類的準確率。
（這些算法可以是不同的算法，也可以是相同的算法） 集成學習法由訓練數據構建一組基分類器，然後通過對所有基分類器的預測投票進行分類。 嚴格來說，集成學習並不算是一種分類器，而是一種分類器結合的方法。 通常，一個集成分類器的分類性能會好於單個分類器。 如果把單個分類器當作一個決策者的話，集成學習的方法就相當於多個決策者共同進行一項決策。

>>阅读原文<<