Ensemble learning
集成算法
目的：让机器学习效果更好，单个不行，群殴走起
Bagging：并行
训练多个分类器取平均
全称：bootstrap aggregation（说白了就是并行训练一堆分类器）
最典型的代表就是随机森林啦
随机：数据采样随机，特征选择随机
森林：很多个决策树并行放在一起
构造树模型：
由于二重随机性，使得每个树基本上都不会一样，最终的结果也会不一样
KNN模型
KNN就不太适合，因为很难去随机让泛化能力变强！
树模型：
相当于不用决策树先计算特征大当家的方法，用所有结果去比较谁来做大当家。
之所以要进行随机，是要保证泛化能力，如果树都一样，那就没意义了！
随机森林优势
它能够处理很高维度（feature(特征)很多）的数据，并且不用做特征选择
在训练完后，它能够给出哪些feature比较重要
容易做成并行化方法，速度比较快
可以进行可视化展示，便于分析
如何比较特征的重要性
例如确定B的重要性：
1，先用ABCD四个特征构造出的模型，计算错误率ERROR1
2，将B特征的数据改为无用值，也就是噪音值B'。
3，用AB'CD建立模型计算错误率ERROR2
比较ERROR1和ERROR2的值，如果差不多，就说明B不太重要，如果更改之后错误率比之前大许多的话，就说明B是很重要的。
树模型：
理论上越多的树效果会越好，但实际上基本超过一定数量就差不多上下浮动了
Boosting：串行
从弱学习器开始加强，通过加权来进行训练
（加入一棵树，要比原来强）
典型代表：AdaBoost，Xgboost
Adaboost会根据前一次的分类效果调整数据权重
解释：如果某一个数据在这次分错了，那么在下一次我就会给它更大的权重
最终的结果：每个分类器根据自身的准确性来确定各自的权重，再合体
Adaboost工作流程
每一次切一刀！
最终合在一起
弱分类器这就升级了！
Stacking模型
堆叠：很暴力，拿来一堆直接上（各种分类器都来了）
可以堆叠各种各样的分类器（KNN,SVM,RF等等）
分阶段：第一阶段得出各自结果，第二阶段再用前一阶段结果训练
为了刷结果，不择手段！
Stacking模型
堆叠在一起确实能使得准确率提升，但是速度是个问题
集成算法是竞赛与论文神器，当我们更关注于结果时不妨来试试！