集成學習 ensemble

通俗理解：一個算法的能力是有限的，把多個算法模型集成在一起 Boosting方法（串行） Boosting主要思想是將弱學習器組裝成一個強學習器（通過加法模型將弱分類器進行線性組合） 訓練集數據在學習過程中，通常根據它們的上一輪的分類準確率給予不同的權重，加弱學習器之後，數據通常會被重新加權，來強化對之前分類錯誤數據點的分類（每輪學習完，分類錯誤的，增加樣本的權重，降低弱學習器的權重） 個體學習器

>>阅读原文<<