4.3.4.集成学习（一） - 袋装法(Bagging)，提高法(Boosting)，随机森林(Random Forest)

简介 集成学习（Ensemble Learning）是经过聚合多个分类器的预测结果来提升分类的准确率。好比，在集成学习中，会生成多个分类树模型，从中选取表现较好的那些树模型，在经过投票等筛选方式决定最终输出的分类器。在聚合算法中，以Bagging，Boosting与Random Forest（随机森林）最为典型。这三个算法，由于可以显著改善决策树的缺陷而被普遍应用。python 一句话解释版本：算

>>阅读原文<<