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
CoovallyAIHub35 分钟前
Vision Transformers与卷积神经网络详细训练对比（附代码）地平线开发者36 分钟前
征程 6 逆向自证hbm与bc一致性算AI39 分钟前
LLM用于科学假设生成：探索与挑战1白天的黑夜144 分钟前
贪心算法-2208.将数组和减半的最小操作数-力扣(LeetCode)山重水复疑无路@1 小时前
NVIDIA --- 端到端自动驾驶格格Code1 小时前
八大排序——冒泡排序/归并排序C语言魔术师1 小时前
62.不同路径fantasy_41 小时前
LeetCode238☞除自身以外数组的乘积椰羊～王小美2 小时前
贪心算法和动态规划像风一样_2 小时前
机器学习-入门-线性模型(2)