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。
答题技巧
技术面试题建议先理清思路再作答，从基础概念讲起，逐步深入。可以结合实际项目经验解释技术原理，展示你的理解深度和实践能力。
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、收藏题目并进行模拟面试练习。
