机器学习算法笔记 集成学习模型融合

集成学习（Ensemble Learning），普遍用于分类和回归任务。最初的思想：使用一些（不一样的）方法改变原始训练样本的分布，从而构建多个不一样的分类器，并将这些分类器线性组合获得一个更强大的分类器，来作最后的决策。算法 集成学习的理论基础来自于Kearns 和 Valiant提出的基于PAC（probably approximately correct）的可学习理论，PAC定义了学习算法的

>>阅读原文<<