集成算法——Ensemble learning

目的：让机器学习效果更好，单个不行，群殴啊！

　　Bagging：训练多个分类器取平均

　　　　　　

　　Boosting：从弱学习器开始加强，通过加权来进行训练

　　　　　　

　　　　　　（加入一棵树，比原来要强）

　　Stacking：聚合多个分类或回归模型（可以分阶段来做）

bagging模型

　　全称：bootstrap aggregation（说白了就是并行训练一堆分类器）

　　最典型代表：随机森林

　　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

　　　　　　

　　构造树模型

　　　　

　　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。

　　树模型：

　　　　

　　之所以要进行随机，是要保证泛化能力，如果树都一样，就没有意义了。

　随机森林优势

　　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

　　

KNN模型

　　　　　　

　　KNN就不太适合，因为很难去随机让泛化能力变强！

树模型

　　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。

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

　　如果某一个数据在这次分错了，那么在下一次就会给它更大的权重

　　最终结果：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

　　弱分类器就升级了

　　　

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！

　　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，当我们更关注与结果时不妨试试！