前言

在解決分類問題時，假如分類模型不夠強大，對樣本的分類結果就不會很理想。這時如果我們多找一些分類模型，讓它們一起做決策，模型強度會不會高一點呢？

集成學習就是把多種分類器按策略組合起來，并根據所有分類器的分類結果做出最后的判斷。

如下圖，三種分類器的分類結果都有一點點錯誤，如果把三類組合在一起就可以完美地把所有形狀都區分開，而且分割曲線也較為平滑。

集成學習屬于監督學習中的分類問題，分為boosting和bagging兩大類。

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的深度学习核心技术精讲100篇（七十五）-集成学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。