机器学习

集成算法的简介

 1.对于一个复杂任务来说，将多个专家的判断进行适当的综合所得出的判断，要比其中任何一个专家单独的判断好。

2.集成学习(ensemble learning)通过构建并结合多个学习器来完成学习任务等。其核心思想是“多样性与投票”，即通过构建多个基学习器，并让它们对输入数据进行独立预测，然后通过投票等机制将各基学习器的预测结果结合起来，产生最终预测结果。常见方法包括Boosting和Bagging，前者如AdaBoost，后者如随机森林。集成学习能降低模型的泛化误差，提高准确度和鲁棒性，广泛应用于图像识别、文本分类等领域。
 

 3.结合策略

①简单平均法

②加权平均法

 4.集成学习的结果通过投票法产生?即“少数服从多数”