集成学习1-什么是集成学习，了解boosting、bagging

1 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。
• 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。
• 最后结合成组合预测，得到优于任何一个单分类的预测。

2 机器学习的两个核心任务

• 如何优化训练数据 —> 主要用于解决欠拟合问题
• 如何提升泛化性能 —> 主要用于解决过拟合问题

3 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

总结

1. 什么是集成学习【了解】

• 通过建立几个模型来解决单一预测问题

2. 机器学习两个核心任务【知道】

• 解决欠拟合问题
  • 弱弱组合变强
  • boosting
• 解决过拟合问题
  • 互相遏制变壮
  • Bagging