这一篇， 我们希望提升模型的性能， 除了更多的数据，更好的EDA等，集成学习可以从模型的角度提升模型的学习性能， 即将基模型组合成一个大模型。 在介绍集成学习前， 我们先介绍一下Bagging和Boosting的概念。
Bagging：
给定包含m个样本的数据集。每轮从样本中使用Bootstrap sampling（自助采样）的方法抽取m个训练样本（在训练集中，有些样本可能被多次抽取到，而有些样本可能一次都没有被抽中, 即）。可以进行T轮采样，从而可以学习到T个基模型。然后再将T个基模型进行结合。
对分类问题：将上步得到的T个模型采用投票的方式得到分类结果；对回归问题，计算上述模型的均值作为最后的结果。（所有模型的重要性相同）
Boosting：
先从初始训练集训练出一个基模型，接下来的基模型，会根据之前的模型的学习效果， 相应的修改样本分布，对先前模型学习错误的样本赋予更大的权重。
接下来，想讲一下为什么bagging和boosting可以提升模型的性能。
可以看出，bagging中每个模型基于随机采样的样本，模型相关性比较小， 而boosting，每个模型之间的相关性很强，因为每一个基模型，都和之前的基模型的学习结果相关。
我们再回到方差与偏差的角度：
bagging主要解决的是方差问题， 随着基模型的数量提升，融合模型的方差越来越小，偏差不会有太大的提升，因此基模型不能太弱了，不然融合模型的偏差会比较大。
boosting主要解决的是偏差的问题，随着基模型数量提升，偏差越来越小，但对方差影响较小。因此基模型不能太强，不然会有方差较大的问题，即过拟合。
接下来简单介绍一下Bagging中的典型算法， Random Forest（随机森林）
随机森林以决策树为基模型，构建在Bagging基础上。RF不仅在样本上进行了随机采样， 在属性上也进行了随机采样，每个节点都从所有特征中选择k个特征，在这k个特征中寻找合适的切分特征与切分点，从而进一步降低过拟合。一般情况下， , d是所有特征的个数。因此RF中，基模型的相关性进一步降低了，更好的提升了泛化能力。
