集成学习是机器学习的重要研究内容.集成学习通过集成组合已有的机器学习模型,能够使得集成模型的性能超过其中任何的单个模型.从集成回归和集成分类两个方面,总结分析了集成学习有效性的理论依据；分析了提升集成学习多样性的方法；分析了bagging、boosting、stacking、多核学习、集成深度学习等集成学习方法的研究进展,并讨论了集成学习未来需要关注的重点问题.
科研之友
微信
新浪微博
Facebook
分享链接
