首先，集成学习是指综合多个模型的结果，以提升机器学习的性能。相比单个模型，往往能取得更好的结果。而Bagging和Boosting是集成学习中的两个方法（还有一个stacking，暂不做阐释），刚开始接触时稍有混乱，在此稍浅地记录下学习历程，以便快速理解
  1. Bagging
  Bagging是Bootstrap Aggregating的简称，这是一种并行的方法，其首先生成多种基分类器，在最后预测时通过投票法，从多个基分类器中得到预测结果，有效降低样本方差，每个基分类器之间具有弱关联性，相对独立
  其中最常用的Bagging法为随机森林（Random Forest）：
  Random Forest的分类器一般是决策树，且通常为CART决策树，步骤如下：

• 假设原样本集有M个样本，每个样本包含N个属性，则首先有放回地抽取M个样本（每次抽1个，抽完后放回，重新在M个样本中抽1个，因此子集中将包含重复样本）
• 如此，这个子集包含MxN个元素，再随机从N个属性中，选择n<<N个属性作为决策树每个节点的分裂属性（一般n=logN），若为CART树，则根据GINI指数来确定每个节点选择哪种属性来分裂（原始Bagging使用了所有属性，而不是随机选择n个）
• 重复上述步骤，生成大量决策树
• 对于每个测试数据，根据每棵决策树的预测结果，投票表决得到最后结果（可以是少数服从多数，也可以是加权，或者一票否决等）
  RF的优点：
• 随机性的引入，使得RF不易陷入过拟合
• 随机性的引入，使得RF具有较强的抗干扰性，在很多数据集上都体现出优势
• 能够处理高维数据(N很多)
• 并行，训练速度快，实现简单
• 训练过程中，能够检测到各属性间的相互影响
    2. Boosting
    Boosting是一种串行的方法，每个基分类器之间强关联，必须训练得到前一个基分类器，才能够根据偏差来获得下一个分类器，直至误差小于阈值
    Boosting的分支有很多，其中之一为Adaboost，即自适应Boosting，这里直接引用李航《统计学习方法》中的例子辅助理解：
  
  

1. 对所有样本赋予权重，第一次时没有先验知识可赋予相同权重$w_i=\frac{1}{N}$wi​=N1​
2. 根据训练集与权重分布，选择使误差最低的阈值v, 误差$e_i=\sum_{G_i(x_j)!=y_j}{w_j}$ei​=∑Gi​(xj​)!=yj​​wj​
3. 计算系数$α_i=\frac{1}{2}log\frac{1-e_i}{e_i}$αi​=21​logei​1−ei​​
4. 计算规范化因子$Z_m=\sum_{i=1}^{N}{w_{mi}exp(-\alpha_my_iG_m(x_i))}$Zm​=∑i=1N​wmi​exp(−αm​yi​Gm​(xi​))，第一轮的Z已在图片中标注
5. 计算新的权重$w_{m+1, i}=\frac{w_{mi}}{Z_m}exp(-\alpha_my_iG_m(x_i))$wm+1,i​=Zm​wmi​​exp(−αm​yi​Gm​(xi​))

  于是可以得到新的权重$\{w_{m+1, 1}, w_{m+1, 2},..., w_{m+1, N}\}${wm+1,1​,wm+1,2​,...,wm+1,N​}，可以看到，对于上一轮分错的样本，将被赋予更高的权重，因此下一轮的分割阈值也将随之改变
最后的G由前面G1 G2 G3累加而成，由此也可以看出“累加”的特性，必须串行进行
  此外还有GBDT，传统Boosting包括Adaboost更关注正确错误样本的加权，而GBDT的目的则是为了使之前的模型误差往梯度下降的方向进行
  在GBDT中，将损失函数的负梯度作为当前模型残差的近似值，进而拟合一棵CART树
  如若选择均方根误差作为损失函数，即
$L=\sum_{i}^{N}{(y_i-f(x_i))}^2$L=∑iN​(yi​−f(xi​))2
  则在对第i个样本的负梯度为$-\frac{\partial{L}}{\partial f(x_i)}=y_i-f(x_i)$−∂f(xi​)∂L​=yi​−f(xi​)
  选择其它损失函数时，只要能求一阶导，皆可算出对应偏差，作为下一轮迭代的初始样本
  XGBoost则是在GBDT的基础上的优化，两者的区别主要如下：

1. GBDT通常以CART树作为基学习器，而XGBoost则还可以使用线性学习器
2. GBDT的梯度仅使用了一阶导信息，而XGBoost对代价函数进行二阶泰勒展开，同时使用了一阶导和二阶导
3. 类似RF，支持列抽样，即并不是对所有属性进行学习，而是随机选择一定的属性，既防止过拟合，也减少计算量，加快速度
4. 引入正则项，控制模型复杂度，并降低模型方差
5. XGBoost支持并行，这里的并行指的是在计算最佳分裂点时，对特征值的排序这一步。在进行特征分裂时，需要计算各特征的增益等，这一步可通过多线程并行，但是对于下一轮迭代的计算，也依旧是串行的。