集成方法綜述

集成方法綜述 一、Bagging 二、Boosting 三、Stacking 集成方法要取得好的方法，通常要求基模型（base learner）的預測能力比隨機猜測要好，而且多個基模型之間具有差異性。 集成方法可以達到比單一模型更高的性能的原因： 集成方法能夠增強模型的表達能力 與單個模型相比，集成方法往往能夠降低誤差。假設現在有 T T T個相互獨立的基模型，單個基模型的分錯概率均爲 p p p

>>阅读原文<<