Machine Learning學習筆記（十四）集成學習（Boosting,Bagging,組合策略）

集成學習 在一些數據挖掘競賽中，後期我們需要對多個模型進行融合以提高效果時，常常會用到Bagging，Boosting，Stacking等這幾個框架算法。 集成學習在機器學習算法中具有較高的準確率，不足之處就是模型的訓練過程可能比較複雜，效率不是很高。目前接觸較多的集成學習主要有2種：基於Boosting的和基於Bagging，前者的代表算法有Adaboost、GBDT、XGBOOST、後者的代表

>>阅读原文<<