集成學習算法之boosting、bagging和隨機森林算法原理

集成學習的定義 集成學習的主要思路是先經過必定的規則生成多個學習器，再採用某種集成策略進行組合，最後綜合判斷輸出最終結果。通常而言，一般所說的集成學習中的多個學習器都是同質的"弱學習器"。基於該弱學習器，經過樣本集擾動、輸入特徵擾動、輸出表示擾動、算法參數擾動等方式生成多個學習器，進行集成後得到一個精度較好的"強學習器"。算法 舉例說明：以三分類問題爲例，假若有 N 個分類器相互獨立，錯誤率都爲

>>阅读原文<<