集成学习中boosting、bagging、随机森林算法的介绍

集成学习的概念 定义：集成学习经过构建并结合多个学习器来完成学习任务。算法 分类：只包含同种类型的个体学习器，这样的集成是“同质”的，例如都是神经网络或者决策树；包含不一样类型的个体学习器，这样的集成是“异质”的，例如同时包括神经网络和决策树。bootstrap 做用：集成学习经过将多个学习器进行结合，常可得到比单一学习器显著优越的泛化性能。网络 条件：要得到较好的集成效果，应该要求学习器“好而不

>>阅读原文<<