什么是集成学习? 集成学习通过建立几个模型来解决单一预测问题。它的工作原理是生成多个分类器/模型,各自独立地学习和作出预测。这些预测最后结合成组合预测,因此优于任何一个单分类的做出预测。 机器学习的两个核心任务 任务一:如何优化训练数据 —> 主要用于解决欠拟合问题 任务二:如何提升泛化性能 —> 主要用于解决过拟合问题 集成学习中boosting和Bagging 只要单分类器的表现不太差,集成学习的结果总是要好于单分类器的