集成學習、Bagging、隨機森林、Boosting和Stacking方法的對比詳述

1、集成學習（Ensemble Learning） （1）集成學習概述 集成學習的思想是將若干個學習器（分類器和迴歸器）組合之後產生一個新學習器。弱分類器（weak learner）指那些分類準確率只稍微好於隨機猜測的分類器（error rate < 0.5）。 集成算法的成功在於保證弱分類器的多樣性（Diversity），而且集成不穩定的算法也能夠得到一個比較明顯的性能提升。 常見的集成學習思想

>>阅读原文<<