【机器学习】常用集成算法介绍

Ensemble learning

目的：让机器学习效果更好，单个不行，群殴走起

Bagging： 训练多个分类器取平均

• Bagging模型
  全称： bootstrap aggregation（说白了就是并行训练一堆分类器）
  最典型的代表就是随机森林啦
• 随机：数据采样随机，特征选择随机 (由于二重随机性，使得每个树基本上都不会一样，最终的结果也会不一样,之所以要进行随机，是要保证泛化能力，如果树都一样，那就没意义了)
• 森林：很多个决策树并行放在一起

理论上越多的树效果会越好，但实际上基本超过一定数量就差不多上下浮动了

随机森林优势:

• 它能够处理很高维度（feature很多）的数据，并且不用做特征选择

• 在训练完后，它能够给出哪些feature比较重要

• 容易做成并行化方法，速度比较快

• 可以进行可视化展示，便于分析
  

Boosting：从弱学习器开始加强，通过加权来进行训练

（加入一棵树，要比原来强）

典型代表：AdaBoost， Xgboost
Adaboost会根据前一次的分类效果调整数据权重

• 解释：如果某一个数据在这次分错了，那么在下一次我就会给它更大的权重
• 最终的结果：每个分类器根据自身的准确性来确定各自的权重，再合体

Stacking：聚合多个分类或回归模型（可以分阶段来做）

Stacking模型
堆叠：很暴力，拿来一堆直接上（各种分类器都来了）

• 可以堆叠各种各样的分类器（KNN,SVM,RF等等）
• 分阶段：第一阶段得出各自结果，第二阶段再用前一阶段结果训练
• 为了刷结果，不择手段