集成学习

 集成学习(ensemble learning)是一种新的学习策略，对于一个复杂的分类问题，通过训练多个分类器，利用这些分类器来解决同一个问题。在集成学习中，通过学习多个分类器，通过结合这些分类器对于同一个样本的预测结果，给出最终的预测结果。 集成学习中的典型方法  在集成学习方法中，其泛化能力比单个学习算法的泛化能力强很多。在集成学习方法中，根据多个分类器学习方式的不用，可以分为:bagging

>>阅读原文<<