在机器学习和统计学习中, 集成学习(Ensemble Learning)是一种将多种学习算法组合在一起以取得更好表现的一种方法。它本身不是一个单独的机器学习算法，而是通过构建并结合多个机器学习器来完成学习任务。 也就是我们常说的“博采众长”。集成学习可以用于分类问题集成，回归问题集成，特征选取集成，异常点检测集成等。 集成学习概述 什么是集成学习(此处以分类为例)   将多个分类方法聚集在一起，以提高分类的准确率（可以是相同or不同算法） 集成学习法由训练数据构建一组基分类器，然后通过对每个基分类器的预测进行投票来进行分类 严格来说，集成学习并不算是一种分类器，而是一种分类器结合的方法。 如果...