集成学习维基百科,自由的 encyclopedia 在统计学和机器学习中,集成学习(英语:Ensemble learning)方法使用多种学习算法来获得比单独使用任何单独的学习算法更好的预测性能。[1][2][3]不像统计力学中的系综通常是无限的,机器学习集合仅由一组具体的有限的可替代模型组成,但通常允许在这些可替代方案中存在更灵活的结构。 此条目需要补充更多来源。 (2019年1月2日) 此条目翻译品质不佳。 (2019年1月2日)
在统计学和机器学习中,集成学习(英语:Ensemble learning)方法使用多种学习算法来获得比单独使用任何单独的学习算法更好的预测性能。[1][2][3]不像统计力学中的系综通常是无限的,机器学习集合仅由一组具体的有限的可替代模型组成,但通常允许在这些可替代方案中存在更灵活的结构。 此条目需要补充更多来源。 (2019年1月2日) 此条目翻译品质不佳。 (2019年1月2日)