集成学习方法汇总讲稿

集成学习(EnsembleLearning)是指将多个不同的基本模型(BaseModel)组合成一个EnsembleModel的方法。它可以同时降低最终模型的Bias和Variance（证明可以参考这篇论文，我最近在研究类似的理论，可能之后会写新文章详述)，从而在提高分数的同时又降低Overfitting的风险。在现在的Kaggle比赛中不用Ensemble就能拿到奖金几乎是不可能的