集成方法综述

集成方法综述 一、Bagging 二、Boosting 三、Stacking 集成方法要取得好的方法，通常要求基模型（base learner）的预测能力比随机猜测要好，而且多个基模型之间具有差异性。 集成方法可以达到比单一模型更高的性能的原因： 集成方法能够增强模型的表达能力 与单个模型相比，集成方法往往能够降低误差。假设现在有 T T T个相互独立的基模型，单个基模型的分错概率均为 p p p

>>阅读原文<<