集成学习研究现状及展望

摘要：

集成学习是机器学习的重要研究内容.集成学习通过集成组合已有的机器学习模型,能够使得集成模型的性能超过其中任何的单个模型.从集成回归和集成分类两个方面,总结分析了集成学习有效性的理论依据;分析了提升集成学习多样性的方法;分析了bagging、boosting、stacking、多核学习、集成深度学习等集成学习方法的研究进展,并讨论了集成学习未来需要关注的重点问题.

关键词：集成学习、机器学习、多样性、多核学习、深度学习

所属期刊栏目：9

分类号：TP391;TP181;TS262.3

资助基金：国家重点研发计划2021YFF0602103

在线出版日期：2023-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8