一. 集成算法概述
目的：
让机器学习效果更好，单个不行，群殴走起
分类:
-
Bagging
训练多个分类器取平均
image.png -
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）
image.png Stacking
聚合多个分类或回归模型（可以分阶段来做）
二. 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
森林：
很多个决策树并行放在一起
image.png
随机森林:
构造树模型：
image.png
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
Bagging模型：
树模型：
image.png
image.png
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！
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
image.png
Bagging模型：
KNN模型：
image.png
image.png
KNN就不太适合，因为很难去随机让泛化能力变强！
树模型：
image.png
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
三. Boosting模型
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
Adaboost工作流程:
每一次切一刀！
最终合在一起
弱分类器这就升级了！
image.png
四. 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！
image.png
堆叠在一起确实能使得准确率提升，但是速度是个问题
集成算法是竞赛与论文神器，当我们更关注于结果时不妨来试试！
