文章目录
-
- 1. 集成学习基本问题
-
- 1.1 集成学习的基本思想
- 1.2 集成学习为什么有效？
- 1.3 集成学习的基本策略
-
- Boosting 方法
- Bagging 方法（Booststrap AGGregatING）
- Stacking 方法
- 1.4 为什么使用决策树作为基学习器？
-
- 1.5 为什么不稳定的学习器更适合作为基学习器？
- 1.6 还有哪些模型也适合作为基学习器？
- 1.7 Bagging 方法中能使用线性分类器作为基学习器吗？ Boosting 呢？
- 1.8 Boosting/Bagging 与 偏差/方差 的关系
1. 集成学习基本问题
1.
