集成學習：對比 Boosting & Bagging、Stacking

1、集成學習（Emsemble Learning） 通過構建並結合多個學習器來完成學習任務，有時也被稱爲多分類器系統（Multi-classifier System） 通俗說法：先產生一組「個體學習器」，再用某種策略將它們結合。 作用：通過結合多個學習器，通常可獲得比單一學習器顯著優越的泛化性能。 分類：① 側重於得到個體學習器（Boosting & Bagging） ② 側重於結合個體學習器（S

>>阅读原文<<