兩大類集成學習和隨機森林

集成學習和隨機森林的關係 集成學習是通過幾個模型的組合來解決單一預測問題，它的工作原理是生成多個預測模型，每一個模型都獨立的學習並給出預測，最後將這些預測結合成單個預測，因此最後的預測優於任何單分類模型給出的預測。 隨機森林是包含多個決策樹的分類器，這些決策樹之間是沒有關聯的，最終的分類結果是各個決策樹分類結果的投票。 所以隨機森林是集成學習的一個子類。爲此，先介紹一些常見的集成學習的內容，參考的

>>阅读原文<<