《機器學習（周志華）》Chapter8 集成學習

    想了解更多的同學強烈建議閱讀下參考網址。          集成學習大致可分爲兩類，第一類的代表是Boosting，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；第二類的代表是Bagging和「隨機森林」，個體學習器間不存在強依賴關係、可同時生成的並行方法。 1、bagging：從訓練集從進行子抽樣組成每個基模型所需要的子訓練集，對所有基模型預測的結果進行綜合產生最終的預測結果：

>>阅读原文<<