机器学习强基计划10-1:为什么需要集成学习?核心原理是什么?

目录

  • 0 写在前面
  • 1 集成学习概念与优势
  • 2 结合策略梳理
    • 2.1 加权平均法
    • 2.2 投票法
    • 2.3 学习法
  • 3 误差-分歧分解

0 写在前面

机器学习强基计划聚焦深度和广度,加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理;“广”在分析多个机器学习模型:决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。强基计划实现从理论到实践的全面覆盖,由本人亲自从底层编写、测试与文章配套的各个经典算法,不依赖于现有库,可以大大加深对算法的理解。

详情:机器学习强基计划(附几十种经典模型源码)


1 集成学习概念与优势

集成学习(ensemble learning)并非一种机器学习算法,而是一种通过结合多个学习器来获得比单一学习器显著优越泛化性能的算法框架。集成学习的基本概念整理如下,可以收藏一下~

你可能感兴趣的:(机器学习强基计划,机器学习,集成学习,算法,人工智能,数据挖掘)