機器學習方法概述（持續更新。。。）

集成學習 Boosting Bagging Random Forest 集成學習：通過構建並結合多個學習器來完成學習任務。 要獲得好的集成，個體學習器應「好而不同」，即個體學習器要有一定的「準確性」，即學習器不能太壞，還要有一定的「多樣性」，即學習器間要有差異。 目前的集成學習方法分爲兩類： （1）個體學習器間存在強依賴關係、必須串行生成的序列化方法，代表算法Boosting； （2）個體學習器間

>>阅读原文<<