机器学习教程 之 Boosting 与 bagging：集成学习框架

集成学习是机器学习算法中很是耀眼的一类方法，它经过训练多个基本的分类器（如支持向量机、神经网络、决策树等），再经过基本分类器的决策融合，构成一个完整的具备更强学习分辨能力的学习器。在集成学习中，那些基本学习器通常被称为为“弱学习器“，机器学习的目的就是经过集成众多的“弱学习器“使分类性能达到理想的“强学习器“的效果，从而避免构造复杂的强学习器。简而言之集成学习就是“三个臭皮匠顶一个诸葛亮“的道理

>>阅读原文<<