2.集成学习(ensemble learning)通过构建并结合多个学习器来完成学习任务等。其核心思想是“多样性与投票”，即通过构建多个基学习器，并让它们对输入数据进行独立预测，然后通过投票等机制将各基学习器的预测结果结合起来，产生最终预测结果。集成学习能降低模型的泛化误差，提高准确度和鲁棒性，广泛应用于图像识别、文本分类等领域。1.对于一个复杂任务来说，将多个专家的判断进行适当的综合所得出的判断

dequeue：移除并返回队首元素。enqueue：添加元素到队尾。通过条件筛选集合元素，返回新集合。先映射后展平，常用于拆分字符串。按规则将元素分组为Map结构。目标: 统计单词频率并取前三名。对每个元素应用函数，生成新集集合。带初始值的归约，适合复杂聚合操作。WordCount 案例实现。特点: 先进先出（FIFO）将嵌套集合展平为单层集合。队列（Queue）操作。