民主协商 Ensemble
使用多个分类器，最后再做协商判断。
群策群议 bagging （随机森林）
但通常还是用一样的分类器，但使用不同的训练集、不同初始值、不同的特征
有放回的采样
1/n是被选中的概率，（1-1/n）没有被选中的概率，的n次方选了n次
大约剩下1/e的没有被取到的用来做测试集。
给每个分类器加权重，再学习, （感知机）
环环相扣 boosting
C2学习C1分错的（错误的样本加权重），C3学习C1C2分类不一致的东西（用来解决争端）
bagging 和 boosting 的区分
集成之美 AdaBoost 推导（十大算法之一）
https://www.bilibili.com/video/BV1mt411a7FT?p=4
误差递减：
（不会过学习）
RegionBoost 动态权重
若有收获，就点个赞吧
0 人点赞
