機器學習入門總覽（下）

集成學習 集成學習是機器學習中一個非常重要且熱門的分支，是用多個弱分類器構成一個強分類器，核心理論就是團結力量大。一般的弱分類器可以由決策樹，神經網絡，貝葉斯分類器，K-近鄰等構成。 集成原因： 1、模型選擇 假設各弱分類器間具有一定差異性，這會導致生成的分類決策邊界不同。所以它們多多少少都會有錯誤，於是把它們結合起來降低誤差。 2、數據集過大或過小。 3、若決策邊界過於複雜，則線性模型不能很好地

>>阅读原文<<