机器学习入门总览（下）

集成学习 集成学习是机器学习中一个非常重要且热门的分支，是用多个弱分类器构成一个强分类器，核心理论就是团结力量大。一般的弱分类器可以由决策树，神经网络，贝叶斯分类器，K-近邻等构成。 集成原因： 1、模型选择 假设各弱分类器间具有一定差异性，这会导致生成的分类决策边界不同。所以它们多多少少都会有错误，于是把它们结合起来降低误差。 2、数据集过大或过小。 3、若决策边界过于复杂，则线性模型不能很好地

>>阅读原文<<