随机森林

这是牛。

图 19. 牛。

 

1906 年，英国举办了举重评判比赛。787 名参与者猜测了一头牛的体重。单个猜测值的平均误差为 37 磅（误差为 3.1%）。不过，猜测的中位数总和与牛的实际重量 (1198 磅) 相差只有 9 磅，误差仅为 0.7%。

图 20. 各个体重猜测值的直方图。

 

这个轶事说明了众人之智：在某些情况下，集体意见可以提供非常准确的判断。

从数学角度来看，可以用中心极限定理对众人智慧进行建模：直观地说，某个值与对该值进行 N 次带噪估计的平均值之间的误差平方趋于零，误差平方因子为 1/N。但是，如果变量不独立，方差会更大。

在机器学习中，集成是指一组模型，其预测结果会被平均（或以某种方式汇总）。如果多个模型之间差异足够大，且各自的质量都不是太差，那么集成的质量通常会高于各个模型的质量。与单个模型相比，集成模型需要更多的训练和推理时间。毕竟，您必须对多个模型（而非单个模型）执行训练和推理。

一般来说，为了让集成模型发挥最佳效果，各个模型应是独立的。举例来说，由 10 个完全相同的模型（即完全不独立）组成的集成模型不会比单个模型的效果更好。另一方面，强制使模型独立可能意味着使其效果变差。要想有效地进行模型集成，需要在模型独立性和其子模型质量之间取得平衡。