集成學習（bagging and boosting）

集成學習簡介 集成學習是通過構建並組合多個學習器來完成學習任務的算法，集成學習常用的有兩類： Bagging：基學習器之間無強烈依賴關係，可以同時生成的並行化方法 Boosting：基學習之間存在強烈的依賴關係，必須串行生成基分類器的方法 集成學習可以分爲以下幾類： Bagging(Boostsrap Aggregating)方法： bagging算法： 首先設置生成n個弱學習器 每次循環一個弱學

>>阅读原文<<