前言

在解决分类问题时，假如分类模型不够强大，对样本的分类结果就不会很理想。这时如果我们多找一些分类模型，让它们一起做决策，模型强度会不会高一点呢？

集成学习就是把多种分类器按策略组合起来，并根据所有分类器的分类结果做出最后的判断。

如下图，三种分类器的分类结果都有一点点错误，如果把三类组合在一起就可以完美地把所有形状都区分开，而且分割曲线也较为平滑。

集成学习属于监督学习中的分类问题，分为boosting和bagging两大类。