4.3.4.集成学习（一）

简介

集成学习（Ensemble Learning）是通过聚合多个分类器的预测结果来提高分类的准确率。比如，在集成学习中，会生成多个分类树模型，从中选取表现较好的那些树模型，在通过投票等筛选方式决定最终输出的分类器。在聚合算法中，以Bagging，Boosting与Random Forest（随机森林）最为典型。这三个算法，因为能够显著改善决策树的缺陷而被广泛应用。

一句话解释版本：

Bagging是决策树的改进版本，通过拟合很多决策树来实现降低Variance。

Random Forrest是Bagging的改进版本，通过限制节点可选特征范围优化Bagging。

Boosting是Bagging的改进版本，通过吸取之前树的经验建立后续树优化Bagging。

数据分析与挖掘体系位置

集成学习是数据建模中的一种，虽然集成学习大多是决策树的优化，但是它建立的模型数量庞大，因此我并没有将其归类于有监督学习中，而是另外建立一个分支。

Bagging

决策树的缺点在于High Variance，也就是说，我们将样本一分为二，用两个子样本分别拟合模型，得到的结果很可能不一样。而Bagging，又称Bootstrap Aggregation，就是为了降低分类器的Variance。

这就是说，应用了Bagging后，不同样本子集产出的分类器结果将会更相似。

Bagging的基本理念是：求平均值会降低Variance。

想要降低模型的Variance，并提高准确率的方法就是，从样本总体中抽取很多个训练集（Training Set），对每个训练集分别拟合模型。将每个模型的结果求平均（Average）。

因此，Bagging的方法就是：