1700539542
百面机器学习：算法工程师带你去面试 [:1700532239]
1700539543
百面机器学习：算法工程师带你去面试 01 集成学习的种类
1700539544
1700539545
1700539546
1700539547
场景描述
1700539548
1700539549
集成学习是一大类模型融合策略和方法的统称，其中包含多种集成学习的思想。本题希望考察的是读者对于各主要集成学习方法的基本了解程度。
1700539550
1700539551
知识点
1700539552
1700539553
Boosting，Bagging，基分类器
1700539554
1700539555
问题 集成学习分哪几种？他们有何异同？
1700539556
1700539557
难度：★☆☆☆☆
1700539558
1700539559
分析与解答
1700539560
1700539561
■ Boosting
1700539562
1700539563
Boosting方法训练基分类器时采用串行的方式，各个基分类器之间有依赖。
1700539564
1700539565
它的基本思路是将基分类器层层叠加，每一层在训练的时候，对前一层基分类器分错的样本，给予更高的权重。测试时，根据各层分类器的结果的加权得到最终结果。
1700539566
1700539567
Boosting的过程很类似于人类学习的过程（见图12.1），我们学习新知识的过程往往是迭代式的，第一遍学习的时候，我们会记住一部分知识，但往往也会犯一些错误，对于这些错误，我们的印象会很深。第二遍学习的时候，就会针对犯过错误的知识加强学习，以减少类似的错误发生。不断循环往复，直到犯错误的次数减少到很低的程度。
1700539568
1700539569
1700539570
1700539571
1700539572
图12.1 Boosting主要思想：迭代式学习
1700539573
1700539574
■ Bagging
1700539575
1700539576
Bagging与Boosting的串行训练方式不同，Bagging方法在训练过程中，各基分类器之间无强依赖，可以进行并行训练。其中很著名的算法之一是基于决策树基分类器的随机森林（Random Forest）。为了让基分类器之间互相独立，将训练集分为若干子集（当训练样本数量较少时，子集之间可能有交叠）。Bagging方法更像是一个集体决策的过程，每个个体都进行单独学习，学习的内容可以相同，也可以不同，也可以部分重叠。但由于个体之间存在差异性，最终做出的判断不会完全一致。在最终做决策时，每个个体单独作出判断，再通过投票的方式做出最后的集体决策（见图12.2）。
1700539577
1700539578
1700539579
1700539580
1700539581
图12.2 Bagging主要思想：集体投票决策
1700539582
1700539583
我们再从消除基分类器的偏差和方差的角度来理解Boosting和Bagging方法的差异。基分类器，有时又被称为弱分类器，因为基分类器的错误率要大于集成分类器。基分类器的错误，是偏差和方差两种错误之和。偏差主要是由于分类器的表达能力有限导致的系统性错误，表现在训练误差不收敛。方差是由于分类器对于样本分布过于敏感，导致在训练样本数较少时，产生过拟合。
1700539584
1700539585
Boosting方法是通过逐步聚焦于基分类器分错的样本，减小集成分类器的偏差。Bagging方法则是采取分而治之的策略，通过对训练样本多次采样，并分别训练出多个不同模型，然后做综合，来减小集成分类器的方差。假设所有基分类器出错的概率是独立的，在某个测试样本上，用简单多数投票方法来集成结果，超过半数基分类器出错的概率会随着基分类器的数量增加而下降。
1700539586
1700539587
图12.3是Bagging算法的示意图，Model 1、Model 2、Model 3都是用训练集的一个子集训练出来的，单独来看，它们的决策边界都很曲折，有过拟合的倾向。集成之后的模型（红线所示）的决策边界就比各个独立的模型平滑了，这是由于集成的加权投票方法，减小了方差。
1700539588
1700539589
1700539590
1700539591