集成學習中boosting、bagging、隨機森林算法的介紹

集成學習的概念 定義：集成學習經過構建並結合多個學習器來完成學習任務。算法 分類：只包含同種類型的個體學習器，這樣的集成是「同質」的，例如都是神經網絡或者決策樹；包含不一樣類型的個體學習器，這樣的集成是「異質」的，例如同時包括神經網絡和決策樹。bootstrap 做用：集成學習經過將多個學習器進行結合，常可得到比單一學習器顯著優越的泛化性能。網絡 條件：要得到較好的集成效果，應該要求學習器「好而不

>>阅读原文<<