对集成学习的另一个想要探讨的问题
bobo老师，通过对集成学习的总结和整理，我将集成学习处理分类问题分为了这样的两部分：
1、使用不同的超参数（kNN、逻辑回归、SVM）与非超参数（决策树）模型的整合模型，通过投票的方式获得最大化的预测正确。
2、使用随机操作（随机森林、adaboosting等），通过模型的不断迭代来最大化预测正确。
不知道我这样分类是否正确？
如果遇到了分类问题，是否可以直接将这个问题用这两种“公式”套一遍，跑这两种模型，选择最优的模型来使用？
随机森林算法只是以决策树为基准，那有没有以确定的最优超参数+kNN等方法为基准的随机森林？这种训练方法与其他基准的随机森林能否再进行集成学习？
问的问题有点多：）但是本质上就是这样的一个问题：
集成学习它所需要的并不是最优的算法是什么，无论我多少种算法进行组合，都可以称为集成学习。那么在实际的数据处理过程中是不是不能以一个“公式”套在所有的数据上来跑模型，而是需要把每一种模型都先跑一遍，再混合成集成模型跑一遍；带有超参数的跑一边，随机的也跑一遍？
可能是我的理解不够深入，希望老师您能给我做一下指点！感谢！
正在回答
2回答
1）
大体这样分类没问题。
2）
如果遇到了分类问题，是否可以直接将这个问题用这两种“公式”套一遍，跑这两种模型，选择最优的模型来使用？
可以。
但其实，在实践中，你总结的第一种方案不太被使用。主要是因为不太存在，单独的五个强分类器，每个效果都不好，但是把他们放到一个 VotingClassifier 中，效果就好了这种情况。所以对于集成学习来说，以使用随机森林为主。使用很多“弱分类器”，创建出“强分类器”，是主要的手段。
3）
有没有以确定的最优超参数+kNN等方法为基准的随机森林？
如果我没有理解错，你的问题是，我可不可以训练一堆 kNN 的弱分类器，然后集成一个强分类器？依然是，理论上，可以。但实际上，效果不好。使用决策树集成随机森林，效果是最好的。具体可以参考这里的讨论：http://coding.imooc.com/learn/questiondetail/137706.html
4）
那么在实际的数据处理过程中是不是不能以一个“公式”套在所有的数据上来跑模型
非常非常正确。随机森林是典型的“非参数学习”，所有的非参数学习算法，都不是求解一个具体的“公式”，这是和之前学习的诸如线性回归，逻辑回归，SVM 等算法的本质区别。
5）
需要把每一种模型都先跑一遍，再混合成集成模型跑一遍？带有超参数的跑一边，随机的也跑一遍？
这个问题有一些“歧义”，关键是你说的“跑一遍”到底是什么意思。
但是，整体，这里就有 bagging 或者 pasting 这类算法，和 voting 这类算法的区别了。（虽然他们都叫集成学习。）
voting 算法，是需要先把每个模型跑出来，然后用调好的最优的算法做 voting 的；
但是 bagging 和 pasting 并没有去“调”每一个子模型，只是根据参数，直接训练出来，每个子模型训练出来是什么样，就是什么样，错了也没关系。所以叫“弱分类器”。
看看·你是否能理解？
继续加油！：）
相似问题
登录后可查看更多问答，登录/注册
