机器学习——集成学习（装袋法Bagging、提升法Boosting、梯度提升决策树GBDT、随机森林RF）
集成学习集成学习通过构建并结合多个学习器来完成学习任务集成方法是用多种学习方法的组合来获取比原方法更优的结果使用于组合的算法是弱学习算法即分类正确率仅比随机猜测略高的学习算法但是组合之后的效果仍可能高于强学习算法即集成之后的算法准确率和效率都很高根据个体学习器的生成方式，目前的集成学习方法大致可分为两大类：1）个体学习器间存在强大依赖关系、必须串行生成的序列化方法，代表算法：Boosting；2）