DL+ML集成学习--附思维导图

1 模型融合

把强分类器进行强强联合，使得模型融合后的模型效果更强

• 投票法
• 线性融合
• Stacking

机器学习元算法

将弱分类器通过学习算法集成起来，变成很强的分类器

• Bagging 个体学习器不存在依赖关系，可同时对样本随机采样并行化生成个体学习器。代表作为随机森林(Random Forest)
• Boosting 个体学习器存在依赖关系,基于前面模型的训练结果误差生成新的模型，必须串行化生成。代表的算法有：Adaboost、GBDT、XGBoost

待更新。。。。