本文会借助对集成学习（Ensemble Learning）的分析，对决策树（Decision Tree）、随机森林（Random Forest）、梯度提升树（Gradient Boosted Decision Tree/Grdient Boosted Regression Tree ）以及 Xgboost（eXtreme Gradient Boosting）进行汇总。
集成学习包括boosting 和 bagging，其中boosting是对各个弱学习器串行训练得到的模型，而bagging则是一种并行训练模型的思路；
其中boosting思想是根据错误率来取样（Boosting初始化时对每一个训练例赋相等的权重1／n，然后用该学算法对训练集训练t轮，每次训练后，对训练失败的训练例赋以较大的权重）；即最出名的代表算法是Adaboost(Adaptive boosting：自适应提升)；GBDT也是boosting思想的杰出代表，Xgboost是对GBDT算法的神级提升优化；从而大范围的在工业界和kaggle中大行其道；
bagging思想是进行有放回的采样（自助采样法），各个弱分类器模型训练集的选择是随机的，各轮训练集之间相互独立（无论特征还是数据集都是相互独立的）；即给定m个样本的数据集，先随机取出一个样本放入采样集中，再把该样本放回初始数据集，使得下次采样时该样本仍有机会被采集到，这样经过m次采样，我们得到了有m个样本的采样集（数据集中存在一个数据被多次采样的可能），如此完成一次样本采集，按照该法进行T轮采样，就得到了T个包含m个训练样本的采样集；对于预测结果进行输出时，采用投票法即可；其中RF是该思想的代表算法；
boosting：
Adaboost算法分析：
代码示例：
# 生成2维正态分布，生成的数据按分位数分为两类，500个样本,2个样本特征，协方差系数为2
X1, y1 = make_gaussian_quantiles(cov=2.0,n_samples=500, n_features=2,n_classes=2, random_state=1)
# 生成2维正态分布，生成的数据按分位数分为两类，400个样本,2个样本特征均值都为3，协方差系数为2
X2, y2 = make_gaussian_quantiles(mean=(3, 3), cov=1.5,n_samples=400, n_features=2, n_classes=2, random_state=1)
#讲两组数据合成一组数据
X = np.concatenate((X1, X2))
y = np.concatenate((y1, - y2 + 1))
param_test = {'n_estimators':list(range(100,800,50))}
gsearch = GridSearchCV(estimator = AdaBoostClassifier(DecisionTreeClassifier(max_depth=2,min_samples_split=20, min_samples_leaf=5),
algorithm="SAMME", learning_rate=0.8),
param_grid = param_test, scoring='roc_auc',iid=False, cv=5)
gsearch.fit(X,y)
print(gsearch.grid_scores_，gsearch3.best_params_，gsearch3.best_score_)
最终结果是 best_params：{'n_estimators': 750}
best_score:0.9727037037037036
通过网格搜索的方式找到令adaboost方法最优的弱分类器个数，但分类器个数的增多也会带来性能和过拟合等问题，所以需要进行权衡；
未完待续.........................................
