集成学习方法是结合多个模型算法，从而提高整体的准确性，进而得到更好的预测结果。

比如，我们熟知的随机森林就是一种集成学习的方法，它结合了多个决策树的预测结果，而每一个决策树又是用随机的不同的数据训练而成。所以，从这种意义上来讲，随机森林的预测表现一般比单个决策树的表现要好。

集成学习的概念应该不难理解，这个想法广泛的存在于我们的日常生活当中。

比如，当我们需要买一台新的笔记本的时候，我们往往是根据自己的需要来选择自己想要的配置，像多大的内存，多大的硬盘，以及什么样的处理器等等。

再比如,当我们决定买一辆新车的时候，我们也是根据自己的喜好和需要，选择不同的配置，是不是需要有GPS，有video的，什么样的发动机，...

集成学习因为结合了多种模型，从一定程度上来讲，集成模型减少了噪音，方差和偏差，而这正是机器学习模型预测过程中产生错误的主要原因。如果我们能降低减少这些产生误差的原因，自然就可以提高模型的整体预测水平，而这也正是集成方法的重点思想所在。

我们还依然记得盲人摸象的故事。故事中，每个人只是摸到了大象的某个局部位置，当然如果只根据所摸到的这个局部位置来预测这是什么物体的话，自然会有偏差，当然不能很好的真实的猜出来。而如果我们结合了所有盲人所得到的信息，把这些信息结合在一起，而进行猜测是什么物体的话，准确率自然会大大提升。

因此，我们再一次看到了集成学习方法的思想所在。它是一种降低方差，偏差和噪音的方法。基本上，每种模型都是在某些情况下表现很好，而在某些特定情况下表现的不好。这样，通过结合这几种单独的模型，那么集成的模型就会某种程度上克服这些缺点，从而整体上胜出任何一个单独的模型。

集成学习模型被广泛的应用于各个领域之中，像土地覆盖图，人脸识别，面部表情识别等等。而比较流行的集成方法有随机森林， XGBoost, 贝叶森模型...

方便交流学习，备注：昵称-学校（公司）-方向，进入DL&NLP交流群。

方向有很多：机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。

记得备注呦

推荐阅读：

【ACL 2019】腾讯AI Lab解读三大前沿方向及20篇入选论文

【一分钟论文】IJCAI2019 | Self-attentive Biafﬁne Dependency Parsing

【一分钟论文】 NAACL2019-使用感知句法词表示的句法增强神经机器翻译

【一分钟论文】Semi-supervised Sequence Learning半监督序列学习

【一分钟论文】Deep Biaffine Attention for Neural Dependency Parsing

详解Transition-based Dependency parser基于转移的依存句法解析器

经验 | 初入NLP领域的一些小建议

学术 | 如何写一篇合格的NLP论文

干货 | 那些高产的学者都是怎样工作的？

一个简单有效的联合模型

近年来NLP在法律领域的相关研究工作

让更多的人知道你“在看”

【基础】集成学习（Ensemble Learning）相关推荐

RDKit |基于集成学习(Ensemble learning)预测溶解度
Ensemble learning 集成学习集成学习(Ensemble learning)是这样一个过程,按照某种算法生成多个模型,如分类器或者称为专家,再将这些模型按照某种方法组合在一起来解决某个 ...
机器学习-集成学习(ensemble learning)
集成学习ensemble learning:本身不是一个单独的机器学习算法,而是通过构建并结合多个机器学习器来完成学习任务. 可以用两句话形容: 1."三个臭皮匠顶个诸葛亮":一堆 ...
集成学习(Ensemble Learning)
在机器学习的有监督学习算法中,我们的目标是学习出一个稳定的且在各个方面表现都较好的模型,但实际情况往往不这么理想,有时我们只能得到多个有偏好的模型(弱监督模型,在某些方面表现的比较好).集成学习就是组 ...
集成学习+ensemble learning
集成学习+ensemble learning Blending is a word introduced by the Netflix winners. It is very close to sta ...
EL：集成学习(Ensemble Learning)的概念讲解、问题应用、算法分类、关键步骤、代码实现等相关配图详细攻略
EL:集成学习(Ensemble Learning)的概念讲解.算法分类.问题应用.关键步骤.代码实现等相关配图详细攻略目录集成学习Ensemble Learning 1.集成学习中弱分类器选择 ...
集成学习(ensemble learning)(四)
文章目录一.GBDT概述二.GDBT原理 1.负梯度拟合 2.GBDT回归算法 3.GBDT分类算法 (1)二元GBDT分类算法 (2)多元GBDT分类算法 4.GBDT常用损失函数 (1)分类任 ...
集成学习(ensemble learning)(三)
集成学习系列第三篇(Boosting相关方法),传送前两篇: 集成学习(ensemble learning)(一) 集成学习(ensemble learning)(二) 文章目录一.Boosting ...
集成学习(ensemble learning)(二)
文章目录一.Bagging原理 1.随机采样(BootStrap) 2.弱分类器和结合决策二.Bagging算法流程三.随机森林(Random Forest,RF) 1.特点 2.两个" ...
集成学习(ensemble learning)(一)
文章目录一.集成学习概述二.个体学习器三.Boosting 四.Bagging 五.结合策略 1.平均法 2.投票法 3.学习法 (1)核心图解 a.构建新的训练集 b.构建新的测试集 c.最终 ...
集成学习(ensemble learning)干货系列(3)——Boosting方法详解
集成学习(ensemble learning)干货系列(1)--集成学习概述集成学习(ensemble learning)干货系列(2)--随机森林(Bagging) Boosting基本原理提升 ...

【基础】集成学习（Ensemble Learning）

集成学习方法是结合多个模型算法，从而提高整体的准确性，进而得到更好的预测结果。

【基础】集成学习（Ensemble Learning）相关推荐

最新文章

热门文章

【基础】集成学习 （Ensemble Learning）

集成学习方法是结合多个模型算法，从而提高整体的准确性，进而得到更好的预测结果。

【基础】集成学习 （Ensemble Learning）相关推荐

最新文章

热门文章

【基础】集成学习（Ensemble Learning）

【基础】集成学习（Ensemble Learning）相关推荐