集成學習boosting和bagging

集成學習通過將多個學習器進行結合，常可獲得比單一學習器顯著優越的泛化性能。這對「弱學習器」尤爲明顯，因此集成學習的很多理論研究都是針對弱學習器進行的，而基學習器有時也被直接稱爲弱學習器。弱學習器指泛化性能略優於隨機猜測的學習器，例如在二分類問題上，精度略高於50%的分類器。個體學習器應該「好而不同」，即個體學習器性能不能太壞，且個體學習器之間要存在差異性。 根據個體學習器的生成方式，目前的集成學習

>>阅读原文<<