集成学习方法简介：bagging、boosting、stacking

推荐博文：https://blog.csdn.net/zwqjoy/article/details/80431496 一、集成学习 集成学习是将若干个学习器(分类器、回归器)组合之后产生一个新的学习器。 一般来说，集成学习可以分为三类： bagging：减少方差，即防止过拟合 boosting：减少偏差，即提高训练样本正确率 stacking：提升预测结果，即提高验证精度 弱分类器(weak le

>>阅读原文<<