一、总结
一句话总结：
1、继承学习理论基础？
个体与集成的关系、模型结合策略、多样性
2、集成学习有哪些方法？
3、个体与集成的关系？
4、模型结合策略？
5、模型的多样性？
6、AdaBoost实例：怎么判断是否是苹果问题？
【找特征->错误放大 的循环】：先判断圆形是苹果，肯定会有错的，然后将错误的放大，找到新特征，红色的是苹果，肯定还是有错的，接着错误放大，再找新特征
7、AdaBoost核心思想？
渐进的方式实现了【加法模型】$$\sum _ { t = 1 } ^ { T } \alpha _ { t } h _ { t } ( x )$$
每个阶段学习一个弱分类器来【弥补前面整个分类器（也是由弱分类器组成的）的缺憾】
每一个阶段学习的时候，【分错的点会增加训练的权重】
8、Bagging和随机森林？
之前的AdaBoost是串行，这个有点并行的感觉
9、集成学习 参考资料？
可以多看英语的参考资料
二、内容在总结中
博客对应课程的视频位置：