在上一章中,我们专注于不同分类模型的调优和评估等任务的实战操作。在本章中,我们将在这些技术的基础上探索一种新的方法,构建一组分类器的集合,使得整体分类效果优于其中任意一个单独的分类器。我们将学到: ·基于多数投票的预测 ·通过对训练数据集的重复抽样和随机组合降低模型的过拟合 ·通过弱学习机在误分类数据上的学习构建性能更好的模型