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
Mr_Xuhhh32 分钟前
项目需求分析（2）c++bug1 小时前
六级第一关——下楼梯Morri31 小时前
[Java恶补day53] 45. 跳跃游戏Ⅱ林木辛1 小时前
LeetCode热题 15.三数之和（双指针）AndrewHZ2 小时前
【3D算法技术】blender中，在曲面上如何进行贴图？Jared_devin2 小时前
二叉树算法题—— [蓝桥杯 2019 省 AB] 完全二叉树的权值Billy_Zuo2 小时前
人工智能机器学习——决策树、异常检测、主成分分析（PCA)AI 嗯啦3 小时前
数据结构深度解析：二叉树的基本原理和光同尘@4 小时前
66. 加一 （编程基础0到1）（Leetcode）CHEN5_024 小时前
leetcode-hot100 11.盛水最多容器