摘要：在现如今的机器学习领域,集成学习方法作为一种提高模型性能的策略,被广泛应用在各种机器学习模型当中。集成学习的核心概念是综合多个分类器的结果,通过某种集成策略,来得到一个准确率更高的模型。本文依据具体实例"Fashion-MINIST服饰分类数据集",分别采用了kNN模型,logistic模型,以及bagging集成kNN,logistic模型,比较分析了不同模型在该数据集上的差异性以及优缺点。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社