《機器學習》第八章——集成學習

1.個體與集成 生活中的 集成學習 綜合多方意見，得出結論 面對同樣的問題，根據不同的算法針對同一個數據運行，得出的結果以投票的方式，少數服從多數 2.Boosting 集成多個模型 每個模型都在嘗試增強（Boosting）整體的效果 每一次生成的子模型都是在彌補上一次生成模型 沒有成功預測的樣本點。 點和點之間的權重不一樣 3.Bagging 問題：雖然有很多機器學習方法，但是從投票的角度看，仍

>>阅读原文<<