集成学习、Bagging、随机森林、Boosting和Stacking方法的对比详述

1、集成学习（Ensemble Learning） （1）集成学习概述 集成学习的思想是将若干个学习器（分类器和回归器）组合之后产生一个新学习器。弱分类器（weak learner）指那些分类准确率只稍微好于随机猜测的分类器（error rate < 0.5）。 集成算法的成功在于保证弱分类器的多样性（Diversity），而且集成不稳定的算法也能够得到一个比较明显的性能提升。 常见的集成学习思想

>>阅读原文<<