來源：ApacheCN《Sklearn 與 TensorFlow 機(jī)器學(xué)習(xí)實(shí)用指南》翻譯項(xiàng)目

譯者：@friedhelm739

校對：@飛龍

假設(shè)你去隨機(jī)問很多人一個(gè)很復(fù)雜的問題，然后把它們的答案合并起來。通常情況下你會(huì)發(fā)現(xiàn)這個(gè)合并的答案比一個(gè)專家的答案要好。這就叫做群體智慧。同樣的，如果你合并了一組分類器的預(yù)測（像分類或者回歸），你也會(huì)得到一個(gè)比單一分類器更好的預(yù)測結(jié)果。這一組分類器就叫做集成；因此，這個(gè)技術(shù)就叫做集成學(xué)習(xí)，一個(gè)集成學(xué)習(xí)算法就叫做集成方法。

例如，你可以訓(xùn)練一組決策樹分類器，每一個(gè)都在一個(gè)隨機(jī)的訓(xùn)練集上。為了去做預(yù)測，你必須得到所有單一樹的預(yù)測值，然后通過投票（例如第六章的練習(xí)）來預(yù)測類別。例如一種決策樹的集成就叫做隨機(jī)森林，它除了簡單之外也是現(xiàn)今存在的最強(qiáng)大的機(jī)器學(xué)習(xí)算法之一。

向我們在第二章討論的一樣，我們會(huì)在一個(gè)項(xiàng)目快結(jié)束的時(shí)候使用集成算法，一旦你建立了一些好的分類器，就把他們合并為一個(gè)更好的分類器。事實(shí)上，在機(jī)器學(xué)習(xí)競賽中獲得勝利的算法經(jīng)常會(huì)包含一些集成方法。

在本章中我們會(huì)討論一下特別著名的集成方法，包括 bagging, boosting, stacking，和其他一些算法。我們也會(huì)討論隨機(jī)森林。

閱讀全文：http://t.cn/Ruisy6Y