集成学习（一）：概述

集成学习

定义：

      集成学习（Ensemble Learning）的目的是将多个弱分类器通过某种集合策略形成一个强学习器。弱分类器之间既要保证一定的差异性，其本身也要保证一定的准确性，即“好而不同”。差异性更多的是指弱分类器所关注的或提取的数据特征不同。例如KNN算法更关注的是数据之间的欧式距离，空间距离。而决策树，例如ID3则关注的是数据二分时其熵的变化。通俗的说就是三个臭皮匠赛过诸葛亮，而这三个臭皮匠都在待解决问题上都有特别的看法。

        所以集成学习有两个重点内容需要关注：1）学习器 2）结合策略

---

学习器：

       同种类型的弱学习器称为“同质”学习器，不同种类型的弱学习器称为“异质”学习器。学习器之间根据其“依赖程序”分为“强依赖”和“弱依赖”。“强依赖”的代表有强大的Boosting家族，主要目标在于减少bias（偏差），即提高模型在训练集上的精度。之所以说“强依赖”，因为下一个待训练的模型需要依赖上一个模型。模型1,2,3的训练呈现一种串行的模式。而“弱依赖”则可以同时训练多个模型，模型和模型之间没有特别大的关系。代表方法有Bagging，Random Forests（随机森林）等，其主要目标在于减少Variance（方差），降低模型的过拟合程度。

结合策略：

       当多个弱学习器各自得出了预测结果，那么就需要一个好的结合策略采百家之长，得到最终的预测结果。如果是回归问题，那么很直接的想法就是将所有模型的结果取均值（平均法） ，根据各个弱学习器的“能力”不同，可以对弱学习器进行适当的加权（加权平均法）。如果是分类问题，那么可以对模型的结果进行统计，分类结果得票最多的为最终结果（投票法，Voting）。同样的，根据模型的“能力”不同，进行加权投票。

        最后还有集成学习大佬：Stacking。不知道把它放在结合策略里是否得当。这里放一张网上的图放个坑在这里。来自：Kaggle机器学习之模型融合（stacking）心得

Kaggle

        作为集成学习的概述暂时介绍到这里。接下来的文章主要对集成学习的各个方法进行直接的介绍，例如：Bagging， Stacking， Voting， Boosting。（不知道这么多坑能不能填的完 (；´д｀)ゞ）

          未完待续……