集成学习（bagging and boosting）

集成学习简介 集成学习是通过构建并组合多个学习器来完成学习任务的算法，集成学习常用的有两类： Bagging：基学习器之间无强烈依赖关系，可以同时生成的并行化方法 Boosting：基学习之间存在强烈的依赖关系，必须串行生成基分类器的方法 集成学习可以分为以下几类： Bagging(Boostsrap Aggregating)方法： bagging算法： 首先设置生成n个弱学习器 每次循环一个弱学

>>阅读原文<<