机器学习之集成学习方法总结

什么是集成学习？集成学习通过训练多个分类器，然后把这些分类器组合起来，以达到更好的预测性能。目前，有三种常见的集成学习框架：bagging，boosting和stacking。前言　　       在机器学习的有监督学习算法中，我们的目标是学习出一个稳定的且在各个方面表现都较好的模型，但实际情况往往不这么理想，有时我们只能得到多个有偏好的模型（弱监督模型，在某些方面表现的比较好）。集成学习就是组合这里的多个弱监督模型以期得到一个更好更全面的强监督模型，集成学习潜在的思想是即便某一个弱分类器得到了错误的预测，其他的弱分类器也可以将错误纠正回来。         集成学习在各个规模的数据集上都有很好的策略。数据集大：划分成多个小数据 ………………………………