如何用集成学习（Ensemble Learning）提升模型准确率？

How would you use ensemble learning to improve model accuracy?

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: hard

分类: problem-solving

标签: Ensemble, Bagging, Boosting, Stacking

参考答案摘要

答案 集成学习通过组合多个模型来提升泛化与稳健性： Bagging （如随机森林）：降低方差。 Boosting （如 XGBoost/GBM）：迭代纠错，通常能提升准确率。 Stacking ：用元模型融合多个基模型输出。 集成方法往往能降低过拟合并提高稳定性。

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。