集成学习经典算法研究

摘要

传统的分类算法模型大多都是弱学习器,分类准确率较低。为解决弱分类器分类准确率低的问题研究者们将多个弱分类器组合形成了强学习器。集成学习可以根据将多个个体学习器进行结合,能够得到相对于单一学习器来说,泛化能力得到了显著的提升,其最终的预测结果也是优于其他单一模型。对比了集成学习的三类经典分类器模型算法的优略。在鸢尾花数据集下,通过实验表明Stacking算法的模型分类效果相较于其他算法模型,有着较高的准确率,准确率可达95%。