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
DongQiShanRen15 小时前
裁决台账双向互校（中）：五向一致性链——②向解读与③向实现ctlover15 小时前
Pandas进阶动词ing16 小时前
【C语言题目练习】算法 整数反转Nil20816 小时前
leetcode 55跳跃游戏longlongzihan16 小时前
LeetCode 128. 最长连续序列 —— 从排序到哈希集合mmmmath_316 小时前
二叉树の一些知识DongQiShanRen17 小时前
裁决台账双向互校（下）：台账哈希链、三向对账与最小落地SWAGGY..17 小时前
【C++进阶】：（7）红黑树的原理与 C++ 实现：结构设计、插入调整及性质验证-dzk-17 小时前
【技巧】LC 31.下一个排列袖清暮雨17 小时前
机器学习之K近邻算法（KNN）