然后使用这些特征来识别信用风险的高低.pptVIP

4.5.1 构建集成分类器的过程描述 （1） 集成学习法（Ensemble learning）通过将多个分类学习方法聚集在一起来提高分类准确率和模型的稳定性。集成学习法由训练数据构建一组基分类器（base classifier），然后通过对每个基分类器的预测进行投票来实现分类。 4.5.1 构建集成分类器的过程描述 （2） 图4-12是集成学习法的逻辑结构图，其基本思想是，在原始数据集上构建多个分类器，然后在分类未知样本时聚集它们的预测结果。 第一步： 创建多个数据集 第二步： 建立多分类器 第三步： 集成分类器 原始训练数据 D D1 D2 2 Dt-1 T- Dt C* C1 C2 Ct-1 Ct …… …… 图4-12 集成学习法结构图 4.5.1 构建集成分类器的方法 （1） 集成分类方法并不是简单地将数据集在多个不同分类器上重复训练，而是对数据集进行扰动，另外，一个分类训练中的错误还可以被下一个分类器利用。分类器预测错误原因之一就是未知的实例与所学习的实例的分布有所区别，通过扰动，分类器能学习到更一般的模型，从而消除单个分类器所产生的偏差，得到更为精准的模型。 集成学习法(Ensemble learning)通过将多个分类学习方法聚集在一起来提高分类准确率，提高模型的稳定性。 通常一个集成分类器的分类性能会好于单个分类器。 集成学习法由训练数据构建一组基分类