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
相关推荐
承渊政道10 分钟前
【优选算法】(实战体会位运算的逻辑思维)Frostnova丶23 分钟前
LeetCode 2573. 找出对应 LCP 矩阵的字符串承渊政道43 分钟前
【优选算法】(实战推演模拟算法的蕴含深意)林鸿群1 小时前
实现支持纳秒级精度的时间引擎（C++）Keep learning!1 小时前
PCA主成分分析学习专注VB编程开发20年1 小时前
CUDA实现随机切割算法，显卡多线程计算2301_788770551 小时前
OJ模拟4NAGNIP2 小时前
一文搞懂CNN经典架构-AlexNet！2401_878530212 小时前
自定义内存布局控制专注VB编程开发20年2 小时前
PNG、GIF透明游戏角色人物输出一张图片技巧，宽度高度读取