集成学习（ensemble learning）通过构建并结合多个学习器完成任务。也可称为多分类器系统（multi-classifier system）、基于委员会的学习（committee-based learning）等。其一般结构是先生成一组“个体学习器”(individual learner)，再用某种策略将它们结合起来。
若“个体学习器”均为同种类型，则为同质集成（homogeneous ensemble）；
若“个体学习器”不是同一种类型，则为异质集成（heterogenous ）。
同质集成中的“个体学习器”，称为“基学习器”（base learner），相应的学习算法称为及学习算法（base learning algorithm）；异质集成中的“个体学习器”称为“组件学习器”（component learner）。
要获得好的集成，个体学习器应“好而不同”，即个体学习器要有一定的准确性（学习器不能太坏）和多样性（diversity，学习器间具有差异）。
如何生成个体学习器？
根据个体学习器的生成方式，大体分为两类：
* 个体学习器间存在强依赖关系、必须串行生成的序列化方法；代表是Boosting
* 个体学习器间不存在依赖关系、可同时生成的并行方法；代表是Bagging和随机森林
Boosting 是一族可将弱学习器提升为强学习器的算法。弱学习器（weak learner）常指泛化性能略优于随机猜测的学习器；例如在二分类问题上精度略高于50% 的分类器。
工作机制：先从初始训练集训练出一个基学习器，再根据基学习器的表现对训练样本分布进行调整，使得先前基学习器做错的训练样本在后续得到更多关注，然后基于调整后的样本分布来训练下一个基学习器；如此反复进行，直至基学习器数目达到事先指定的值 T，最终将这 T 个基学习器进行加权结合。
Bagging 是给定包含m个样本的数据集，基于自助采样法（bootstrap sampling，即有放回采样），采样出T个含m个训练样本的采样集，然后基于每个采样集训练出一个基学习器，再将这些基学习器进行结合。在对预测输出进行结合时，Bagging通常对分类任务使用简单投票法，对回归任务使用简单平均法。
随机森林（Random Forest, 简称 RF）是 Bagging 的一个扩展变体。RF是在以决策树为基学习器构建Bagging集成的基础上，进一步在决策树的训练过程中引入随机属性选择。具体来说，在RF中，对基决策树的每个结点，先从该结点的属性集合中随机选择一个包含k个属性的子集，然后再从这个子集中，选择最优属性用于划分。这里的参数 k控制了随机性的引入程度。
采用什么策略结合这些生成的个体学习器？考虑如下的结合策略：
对于数值型输出，最常见的结合策略是平均法（averaging）。具体有简单平均（simple averaging）和加权平均（weighted averaging）。
对于类别标记输出，最常见的结合策略是投票法（voting）。具体有绝对多数投票法（majority voting）、相对多数投票法（plurality voting）和加权投票法（weighted voting）。
当训练数据很多时，一种更为强大的结合策略是“学习法”，即通过另一个学习器进行结合。典型代表是 Stacking。
Stacking 先从初始数据集训练出初级学习器，然后“生成”一个新数据集用于训练次级学习器。在这个新数据集中，初级学习器的输出被当作样例输入特征。而初始样本的标记仍被当作样例标记。
多样性
个体学习器的选择？“好而不同”理论分析——“误差-分歧分解”（error-ambiguity decomposition）
多样性度量（diversity measure）用于度量集成中个体分类器的多样性，即估算个体学习器的多样化程度。典型做法是考虑个体分类器的两两相似或不相似性。常见的多样性度量如下：
* 不合度量（disagreement measure）
* 相关系数（correlation coefficient）
* Q-统计量（Q-statistic）
* k-统计量（k-statistic）
如何增强多样性？
数据样本扰动。通常基于采样法，从初始训练集，产生不同的数据子集，再利用不同的数据子集训练出不同的个体学习器。
输入属性扰动。从初始属性集中，抽取属性子集，再基于每个属性子集训练一个基学习器。
输出表示扰动。
算法参数扰动
原文地址：https://www.cnblogs.com/klchang/p/11332837.html