清华社课件人工智能素养2.5人多力量大：集成学习.pptxVIP

人多力量大：集成学习

集思广益的思想内核两大流派：Bagging与Boosting金融风控与信用评估电商平台与智慧医疗竞赛王者与总结展望

01集思广益的思想内核

集成学习：集体智慧超越个体极限组合策略框架集成学习并非独立的学习方式，而是一种组合多个学习器的策略框架。它通过构建并结合多个学习器，获得比任何单一学习器更强大、更稳定的预测性能，实现1+12的协同效应。差异性与纠错机制核心前提在于学习器间必须存在差异性，即它们会犯不同的错误。个体可能失误，但集体通过互相纠错、取长补短，更可能做出正确决策，这正是三个臭皮匠，顶个诸葛亮的本质。

差异性与互补性：集成有效的根本前提多样性基石集成有效的根本在于学习器的多样性。只有当各学习器在不同样本上犯错、具有不同偏好时，组合才能产生正向收益，避免集体决策退化为个体决策。三大前提条件独立性、多样性与互补性构成集成有效的三大支柱。同质化的学习器无法发挥集成优势，差异性是价值创造的源泉。人为制造差异通过数据扰动、特征扰动、算法扰动等手段，可系统性地制造学习器间的差异性，为Bagging和Boosting的具体实现奠定理论基础。

02两大流派：Bagging与Boosting

Bagging：民主投票实现稳定决策民主投票机制Bagging采用民主投票方式聚合多学习器意见，分类任务取多数票，回归任务取平均值，降低单一模型的极端预测风险。自助采样策略通过有