機器學習教程 之 Boosting 與 bagging：集成學習框架

集成學習是機器學習算法中很是耀眼的一類方法，它經過訓練多個基本的分類器（如支持向量機、神經網絡、決策樹等），再經過基本分類器的決策融合，構成一個完整的具備更強學習分辨能力的學習器。在集成學習中，那些基本學習器通常被稱爲爲「弱學習器「，機器學習的目的就是經過集成衆多的「弱學習器「使分類性能達到理想的「強學習器「的效果，從而避免構造複雜的強學習器。簡而言之集成學習就是「三個臭皮匠頂一個諸葛亮「的道理

>>阅读原文<<