集成學習基礎知識總結-Bagging-Boosting

理論 在概率近似正確(probably approximately correct)學習框架下。一個概念是強可學習的充分必要條件是這個概念是弱可學習(僅比隨機猜測稍好)。 要求 個體學習器要好而不同。好-要比隨機猜測強，不同–多樣性。 Bagging (Bootstrap Aggregating):隨機森林 通過bootstrap採樣形成N個數據集(樣本擾動來保證多樣性)，每個數據集訓練一個模型，

>>阅读原文<<