【机器学习算法】【12】--集成学习之模型融合

前言：集成学习（Ensemble Learning），广泛用于分类和回归任务。它最初的思想很简单：使用一些（不同的）方法改变原始训练样本的分布，从而构建多个不同的分类器，并将这些分类器线性组合得到一个更强大的分类器，来做最后的决策。也就是常说的“三个臭皮匠顶个诸葛亮”的想法。         集成学习的理论基础来自于Kearns和Valiant提出的基于PAC（probably approxima

>>阅读原文<<