解释集成学习（Ensemble Learning）的概念。

Explain the concept of ensemble learning.

题目类型: 技术面试题

这是一道技术面试题，常见于澳洲IT公司面试中。

难度: medium

分类: Machine Learning

标签: Bagging, Boosting, Stacking

参考答案摘要

答案 集成学习通过组合多个模型的预测来提升整体效果与稳健性，核心思想是“多模型互补降低误差”。常见方法包括 Bagging（如 Random Forest，降低方差）、Boosting（如 AdaBoost/GBDT/XGBoost，降低偏差并逐步纠错）、Stacking（用元模型学习多个基模型输出）。集成通常能带来更好的泛化，但计算与部署成本更高。

本题提供 STAR 原则详细解答和技术解析，登录匠人学院学习中心即可查看完整答案。