帶你瞭解集成學習

集成學習（Ensemble Learning）有時也被籠統地稱作提升（Boosting）方法，廣泛用於分類和迴歸任務。它最初的思想很簡單：使用一些（不同的）方法改變原始訓練樣本的分佈，從而構建多個不同的分類器，並將這些分類器線性組合得到一個更強大的分類器，來做最後的決策。也就是常說的「三個臭皮匠頂個諸葛亮」的想法。 集成學習的理論基礎來自於Kearns和Valiant提出的基於PAC（probab

>>阅读原文<<