集成学习

集成学习(ensemble learning)，通过构建并结合多个学习器来完成学习任务，有时也称为多分类器系统(multi-classifier system)。
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，即个体学习器间存在强依赖关系、必须串行生成的序列化方法，以及个体学习器间不存在强依赖关系、可同时生成的并行化方法。前者的代表是Boosting，后者的代表是Bagging和Random Forest。