集成学习
集成学习归属于机器学习,他是一种「训练思路」,
并不是某种具体的方法或者算法。
集成学习的核心思路就是「人多力量大」,它并没有创造出新的算法,
而是把已有的算法进行结合,从而得到更好的效果
集成学习会挑选一些简单的基础模型进行组装,
组装这些基础模型的思路主要有 2 种方法:
1.bagging(bootstrap aggregating的缩写,也称作“套袋法”)
2.boosting
1.bagging
bagging的核心思路是---民主
Bagging 的思路是所有基础模型都一致对待,每个基础模型手里都只有一票。然后使用民主投票的方式得到最终的结果。
