第 1 页 / 共 19 页
第 2 页 / 共 19 页
第 3 页 / 共 19 页
第 4 页 / 共 19 页
第 5 页 / 共 19 页
第 6 页 / 共 19 页
第 7 页 / 共 19 页
第 8 页 / 共 19 页
第 9 页 / 共 19 页
第 10 页 / 共 19 页
第 11 页 / 共 19 页
第 12 页 / 共 19 页
第 13 页 / 共 19 页
第 14 页 / 共 19 页
第 15 页 / 共 19 页
第 16 页 / 共 19 页
第 17 页 / 共 19 页
第 18 页 / 共 19 页
第 19 页 / 共 19 页
机器学习（周志华）《机器学习》自学知识点笔记（第八章）_周志华 机器学习 集成学习
机器学习（周志华）《机器学习》自学知识点笔记（第八章）_周志华 机器学习 集成学习 第八章的“集成学习”简直是周志华老师的醍醐味，也是整个《机器学习》这本书里让我真正理解“团队合作”思想的关键所在。总的来说，集成学习的核心思想是，让多个“弱学习器”组合起来，形成一个更强大的“强学习器”。就像一群人集思广益，比单个人更聪明！ 周志华老师在书中用“Bagging”和“Boosting”这两个概念很好地阐述了集成学习的不同方式。Bagging，即Bootstrap Aggregating，通过对原始数据集进行多次随机抽样（bootstrap sampling），生成多个数据集，然后在每个数据集上训练一个决策树。最后，对所有决策树的预测结果进行平均，就能得到更准确的预测结果。这就像每个人都用自己的视角看问题，然后把答案汇总起来。 而Boosting则更进一步，它不是简单地把多个弱学习器组合起来，而是让每个弱学习器逐步地“纠正”之前的错误。比如，AdaBoost算法会根据每个弱学习器预测错误的样本权重，对那些预测错误的地方给予更多的关注，从而训练出更准确的弱学习器。这就像在团队中，不断地找出问题并进行改进，最终实现卓越的成果。 总而言之，集成学习的精髓在于利用多个弱学习器的优势，弥补各自的不足，最终达到更高的泛化能力。理解Bagging和Boosting，就相当于掌握了集成学习的核心方法论。 这也体现了周志华老师在机器学习理论上的深刻洞察。
展开
机器学习（周志华）
2025-07-21
13次阅读
资料获取方式
温馨提示：登录学霸英雄官网后可获取更多大学生必备科目和考证等复习备考资料！