[機器學習]集成學習--bagging、boosting、stacking

集成學習簡介 集成學習（ensemble learning）通過構建並結合多個學習器來完成學習任務。 如何產生「好而不同」的個體學習器，是集成學習研究的核心。 集成學習的思路是通過合併多個模型來提升機器學習性能，這種方法相較於當個單個模型通常能夠獲得更好的預測結果。這也是集成學習在衆多高水平的比賽如奈飛比賽，KDD和Kaggle，被首先推薦使用的原因。 一般來說集成學習可以分爲三大類： 用於減少方

>>阅读原文<<