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。
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。
