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
serve the people18 小时前
机器学习（ML）和人工智能（AI）技术在WAF安防中的应用gfdhy18 小时前
【c++】哈希算法深度解析：实现、核心作用与工业级应用百***060118 小时前
SpringMVC 请求参数接收0***K89218 小时前
前端机器学习陈天伟教授18 小时前
基于学习的人工智能（5）机器学习基本框架一个不知名程序员www19 小时前
算法学习入门---vector（C++）云飞云共享云桌面19 小时前
无需配置传统电脑——智能装备工厂10个SolidWorks共享一台工作站福尔摩斯张20 小时前
《C 语言指针从入门到精通：全面笔记 + 实战习题深度解析》(超详细)橘颂TA20 小时前
【剑斩OFFER】算法的暴力美学——两整数之和xxxxxxllllllshi20 小时前
【LeetCode Hot100----14-贪心算法(01-05),包含多种方法，详细思路与代码，让你一篇文章看懂所有！】