机器学习方法概述（持续更新。。。）

集成学习 Boosting Bagging Random Forest 集成学习：通过构建并结合多个学习器来完成学习任务。 要获得好的集成，个体学习器应“好而不同”，即个体学习器要有一定的“准确性”，即学习器不能太坏，还要有一定的“多样性”，即学习器间要有差异。 目前的集成学习方法分为两类： （1）个体学习器间存在强依赖关系、必须串行生成的序列化方法，代表算法Boosting； （2）个体学习器间

>>阅读原文<<