整合學習即essemble技術，將單個學習器通過一定規則聯合，提高學習器的整體表現。
當所有單個學習器都是同一型別時，即是同質的，每個學習器成為基學習器；當單個學習器不同時，則稱為異質的，不存在基學習器的說法。
當學習器之間強關聯，存在一定的依賴關係，表現為序列，這類演算法的代表為boosting，其中adaboost是這類學習器的代表。
學習器之間不存在依賴關係，表現為並行，bagging和random forest是兩類典型代表。adaboost主要用於二分類，需要通過一定的修改才能用於多分類，而bagging和random forest則可隨意用於多分類，回歸等。
整合學習方法
整合學習方法是指組合多個模型，以獲得更好的效果，即將多個弱學習器組合成乙個強學習器，使整合的模型具有更強的泛化能力。整合學習主要有兩種方法 bagging和boosting。bagging方法是從原始的資料集中進行有放回的隨機抽樣，每次訓練從原始樣本中有放回的隨機抽取n個樣本，因為是有放回，所以某些...
整合學習綜述
在機器學習的有監督學習演算法中，我們的目標是學習出乙個穩定的且在各個方面表現都較好的模型，但實際情況往往不這麼理想，有時我們只能得到多個有偏好的模型 弱監督模型，在某些方面表現的比較好 整合學習就是組合這裡的多個弱監督模型以期得到乙個更好更全面的強監督模型，整合學習潛在的思想是即便某乙個弱分類器得到...
整合學習方法 未完待續
簡單說，就是通過適當的方式整合許多 個體 模型所得到的最終模型要比單獨的 單獨模型 的效能更優 dropout可以作為訓練深度神經網路的一種技巧。在每個訓練批次中，通過隨機讓一部分的節點停止工作。同時在 的過程中讓所有的節點都其作用 測試集資料擴增 test time augmentation，簡稱...