1. 13.1 集成学习算法简介

1.1. 学习目标

• 了解什么是集成学习
• 知道机器学习中的两个核心任务
• 了解集成学习中的boosting和bagging

1.2. 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。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。

1.3. 2 复习：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

1.4. 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

1.5. 4 小结

• 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
• 机器学习两个核心任务【知道】
  • 1.解决欠拟合问题
    • 弱弱组合变强
    • boosting
  • 2.解决过拟合问题
    • 互相遏制变壮
    • Bagging