《商务智能》课程学习资料：集成学习实用机器学习方法 Ensemble Learning

如何综合不同的基学习器? 口投票法( majority voting ■每个基学习器具有相同的权重 最常用的方法 日有权重的投票( weighted voting) 可用不同的方法来确定权重 口训练一个新模型来确定如何综合 ■ Stacking 我们一般偏好简单模型(如线性回归 互联网新技术在线教育领航者 业晕学院 ▲ ChinaHadoop.cn

互联网新技术在线教育领航者 如何综合不同的基学习器?  投票法（majority voting）  每个基学习器具有相同的权重  最常用的方法  有权重的投票（weighted voting）  可用不同的方法来确定权重  训练一个新模型来确定如何综合  Stacking  我们一般偏好简单模型（如线性回归）

集成学习的缺点 口计算复杂度较大 ■我们需要计算多个模型并综合 口所得的模型较难解释 单个决策树模型vs.随机森林 互联网新技术在线教育领航者 18/48 业晕学院 ▲ ChinaHadoop.cn

互联网新技术在线教育领航者 集成学习的缺点  计算复杂度较大  我们需要计算多个模型并综合  所得的模型较难解释  单个决策树模型 vs. 随机森林 18/48