集成学习Boosting之AdaBoost

集成学习（ensemble learning）通过构建并结合多个学习器来完成学习任务，常可获得比单一学习器显著优越的泛化性能。根据个体学习器的生成方式，可将集成学习方法分为两大类，以随机森林（Random Forest）为代表的Bagging算法，其个体学习器间不存在强依赖关系、可同时生成的并行化方法；以及以AdaBoost为代表的Boosting算法，其个体学习器存在强依赖关系、必须串行生成的序

>>阅读原文<<