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
本文来自投稿,不代表重蔚自留地立场,如若转载,请注明出处https://www.cwhello.com/363774.html
如有侵犯您的合法权益请发邮件951076433@qq.com联系删除