集成学习，又称为“多分类器系统”（multi-classifier system）、“基于委员会的学习”（committee-based learning）等。基本的想法是结合多个学习器，获得比单一学习器泛化性能更好的学习器。

根据个体学习器的生成方式，目前集成学习大致可分为两大类：

• 序列化方法：个体学习器间存在强依赖关系、必须串行生成，代表是Boosting；
• 并行化方法：个体学习器间不存在强依赖关系、可同时生成，代表是Bagging和“随机森林”（Random Forest）。

一、利用Hoeffding不等式估算集成学习的错误率上界

---

考虑二分类问题y∈{-1, +1}，真实函数f，并假定基分类器错误率为ε。假设集成通过简单投票结合T个基分类器，i.e.若超过半数的基分类器正确，则集成分类器正确：

接下来估算集成的错误率。首先，有下式

设基分类器正确率为p，由Hoeffding不等式，当n=(p - )T时，成立下述不等式

由n = T/2, p = 1-ε 得=1/2 - ε， 于是

上式估算出了集成学习错误率的上界，且从中可以看出，随着集成中个体分类器数目T的增大，集成的错误率将指数级下降，最终趋于零。

值得注意的是，以上分析基于的假设是基学习器相互独立。然而，在现实问题中，个体学习器为解决同一问题而训练，并不相互独立。因此上述分析只是理论层面，实际问题的解决，还需要深入了解前文提到的序列化与并行化方法。

二、Boosting族算法

---

Boosting是一族可将弱学习器提升为强学习器的算法，工作机制类似：先由初始训练集训练出基学习器，再根据其表现调整样本分布，赋予未被准确分类的样本更高的权重，然后根据调整后的样本分布再训练接下来的基分类器；重复进行，直至全部T个基学习器训练完成，再对T个基学习器加权结合。

Boosting族算法中以AdaBoost（Adapative Boosting）最为著名。设y_i∈{-1, +1}, f是真实函数，AdaBoost的描述如下：

输入：训练集D = {(x₁, y₁), (x₂, y₂), ..., (x_m, y_m)}; 基学习算法; 训练轮数T.

过程：

1: D₁ = 1/m. //初始化训练数据的权值分布，每个训练样本被赋予相同的权重

2: for t = 1 to T do

3:     h_t = (D, D_t); //基于分布D_t从数据集D中训练出分类器h_t

4:     ε_t = P_x~Dt(h_t(x) ≠ f(x));

5:     if ε_t > 0.5 then break //检查基学习器是否比随机猜测好；不满足则学习器被抛弃，学习终止。重采样（re-sampling）后重新训练。

6:     α_t = (1/2) * ln((1 - ε_t) / ε_t); //确定分类器h_t的权重，被误分的样本的权值会增大，被正确分类的权值减小，推导过程见p.175

7:     D_t+1(x) =  

                    = (D_t(x) * exp(-α_t * f(x) * h_t(x))) / Z_t; //”重赋权法“（re-weighting）更新样本分布，其中Z_t是规范化因子，推倒见p.176

8: end for 

输出： H(x) = sign(∑^T_t=1α_th_t(x)) //输出最终的强分类器

在该算法过程中，用的是“加性模型”（additive model）推导，即根据基学习器的线性组合来最小化指数损失函数（exponential loss function）

sign(H(x))可以达到贝叶斯最优错误率。这是因为，由损失函数对H(x)的偏导

为零可以解得

于是

即，若H(x)可以让损失函数最小化，则分类错误率也将最小化。

三、Bagging与随机森林

---

Bagging（Bootstrap AGGregatING）是并行集成学习最著名的代表。它直接基于自主采样法（bootstrap sampling）： 采样出T个含m个训练样本的采样集，然后基于每个采样集训练出一个基学习器，再将这些基学习器结合。对预测输出进行结合时，对分类任务采取简单投票法，对回归任务使用简单平均法。

Bagging的算法描述如下：

输入：训练集D = {(x₁, y₁), (x₂, y₂), ..., (x_m, y_m)}; 基学习算法; 训练轮数T.

过程：

1. for t = 1 to T do

2.     h_t = (D, D_bs);

3. end for

输出：H(x) = 

算法的复杂度为T(O(m) + O(s))，其中O(m)为基学习器的计算复杂度，O(s)为采样与投票/平均过程的计算复杂度。由于O(s)与T很小，因此算法复杂度可看作O(m)。可见Bagging是比较高效的。此外，与AdaBoost只适用于二分类任务不同，Bagging可以直接用于多分类、回归等任务。

此外，由于每个基学习器只用了初始训练集中约63.2%的样本，剩下的样本可用作验证集来对泛化能力进行“包外估计”（out-of-bag estimate）。

Bagging关注降低方差，在不剪枝决策树、神经网络等易受样本扰动的学习器上效果更佳明显。

随机森林（Random Forest, RF）在以决策树为基学习器构建Bagging集成的基础上，进一步在决策树的训练过程中引入随机属性选择。

四、结合策略

---

学习器结合可能的优点：

• 提升泛化性能
• 降低陷入局部极小的风险
• 假设空间有所扩大，有可能学得更好的近似

接下来总结几种常见的结合策略。

4.1 平均法

对数值型输出，常用平均法（averaging）：

• 简单平均法（simple averaging）

     

• 加权平均法（weighted averaging）

        

其中，加权平均法的权重一般从训练数据中学习得到。但由于噪声干扰和过拟合问题，加权平均法也未必优于简单平均法。一般而言，个体学习器性能相差较大时，宜用加权平均法，否则宜用简单平均法。

4.2 投票法

对分类任务，最常见的是用投票法（voting）。将h_i在样本x上的预测输出表示为一个N维向量(h¹_i(x), h²_i(x), ..., h^Ni(x))，其中h^ji(x)是h_i在类别标记c_j上的输出。则投票法包括：

• 绝对多数投票法（majority voting）

    

• 相对多数投票法（plurality voting）

      

• 加权投票法（weighted voting）

         

在不允许绝对预测的任务中，绝对多数、相对多数投票法被统称为“多数投票法”。

现实任务中，不同类型学习器可能产生不同的h^ji(x)值，常见的包括类标记和类概率。

值得注意的是，不同类型的预测值h^ji(x)不能混用。对一些能在预测出类别标记的同时产生分类置信度的学习器，其分类置信度可转化为类概率使用。若此类值为进行规范化，如支持向量机的分类间隔值，则需要采用Platt缩放（Platt scaling）、等分回归（isotonic regression）等技术对结果进行“校准”（calibration）后才能作为类概率使用。

4.3 学习法

训练数据很多时，可采用学习法：通过另一个学习器进行结合。Sacking是学习法的典型代表。这里将个体学习器称为初级学习器，用于结合的学习器称为次级学习器，或元学习器（meta-learner）。

Stacking算法描述如下：

输入：训练集D = {(x₁, y₁), (x₂, y₂), ..., (x_m, y_m)}; 初级学习算法; 次学习算法.

过程：

1: for t = 1 to T do

2:     h_t = ; //使用初级学习算法产生初级学习器h_t

3:  end for

4: D' = Ø; //生成次级训练集

5: for i = 1 to m do

6:     for t = 1 to T do

7:         z_it = h_t(x_i);

8:     end for

9:     D' = D' ∪ ((z_i1, z_i2, ..., z_iT), y_i);

10: end for

11: h' = ; //在D'上用次级学习算法产生次级学习器h'

输出：H(x) = h'(h₁(x), h₂(x), ..., h_T(x))

 次级学习器的输入属性和算法对集成的泛化能力有很大影响。具体见书pp.184-185。