集成学习，顾名思义，把多个学习算法结合起来，以达到比单一学习算法更优秀，泛化性能更好的学习算法。
不过，把好的学习器和不好的结合在一起，按常理来说会产生一个不好不坏的，为了使结合起来的算法比单一算法更优秀，就需要单一算法是“好而不同”，也就是不同的算法需要有多样性，同时又要有一定的准确性，这样结合起来后，才能达到互补的状态。但同时，准确性与多样性不能兼具，调整这个度非常重要。
boosting
boosting的本质是对学习器之前预测错的样本给予更多关注（即权重），形式是每次改变权重都生成一个新学习器（基学习器），直到基学习器达到指定数量T。最终得到的就是由T个学习器加权结合的集成算法。
那么要解决的问题就是：
- 在每一轮如何改变训练数据的权值或概率分布？
- 通过什么方式来组合基学习器？
用boosting中代表的adaboost举例：
- 采集m个样本，初始化第一个基学习器中每个样本权重为$\frac{1}{m}$
- 用给定算法训练样本
- 计算误差，超过0.5误差率的学习器就舍弃掉（因为小于0.5准确率的学习器结合只会变得更差），误差率小于0.5的更新权重参数$\alpha_{t}=\frac{1}{2}ln\left(\frac{1-\varepsilon _{t}}\varepsilon _{t}\right)$
- 更新样本权重：预测正确的样本权重更新为$exp(-\alpha_{t})$，预测错误的与样本权值更新为$exp(\alpha_{t})$，并对更新之后的样本权值规范化（使权值和为1，确保样本是一个概率分布）。
- 重复2-4T次，或者直到收集到T个基学习器（被抛弃掉的学习器可以进行重新采样）
- 以$\alpha_{t}$为每个基学习器的权重参数输出加法结合的集成学习器
boosting每一轮的训练集不变，只是训练集中每个样例在分类器中的权重发生变化。而权值是根据上一轮的分类结果进行调整。boosting是一种串行式学习方法，因为后一个模型参数受前一个的影响
bagging
与boosing相对，是一种并行式学习方法，是有放回的拿取数据集中的样本m个，这样形成的基学习器之间没有先后关系。
bagging的算法过程：
- 采集样本
- 训练样本
- 重复T次得到T个模型
- 对于分类问题，通过投票的方式，票数最多的就是分类结果；对于回归问题，通过取均值的方式得出结果
由于bagging采样时会有一部分（36.8%）的样本没有被采集到，这些样本还可以用作验证集来验证模型的性能，并优化算法。例如当训练时使用的学习算法是决策树时，可以用来剪枝。
随机森林：引入了bagging的随机性的决策树变体。
随机森林从原本决策树的节点中随机选择一个包含k个类别，$1\leq k\leq d$（d为节点所有样本包含的类别数）的子集，用这个子集来进行决策树划分。一般$k=log_{2}d$
