集成学习不是一个单独的机器学习算法，而是通过在数据上构建多个模型，集成所有模型的建模结果，基本上现在的所有机器学习都能看到集成学习的身影。

未完待续。

在构建完模型后，通过一下几种步骤进行模型优化训练过程。

在构建完模型后，通过一下几种步骤进行模型优化训练过程。

从单层到多层是神经网络发展史上的重大变化，层的增加彻底将神经网络的性能提升到了另一个高度，正确理解层的意义对于我们自主构建神经网络有很重要的作用，学会利用层是避免浪费计算资源以及提升神经网络效果的关键。

在构建完模型后，通过一下几种步骤进行模型优化训练过程。

SigmoidSigmoidSigmoid# 初始化权重和偏置# 梯度下降。

决策树是一个预测模型，它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表某个可能的属性值，而每个叶节点则对应从根节点到该叶节点所经历的路径所表示的对象的值。

回归是一种应用广泛的预测建模技术，这种技术的核心在于预测的结果是连续型变量。决策树，随机森林，支持向量机的分类器等分类算法的预测标签是分类变量，多以{0，1}来表示，而无监督学习算法比如PCA，KMeans的目标根本不是求解出标签，注意加以区别。

使用encoder-only的模型主要的思路是通过编码器，将大量文本、时序数据等资料进行编码、压缩，达到进一步抽象理解输入数据的能力。encoder-only更加侧重于对信息的压缩与分类，在对输入内容进行扩展的情况下效果不佳。相比较而言，decoder-only需要的计算资源更少，能够更快学习和训练得到最终的模型。使用decoder-only的模型主要是通过解码器，对已输入的信息进行解码衍生。基于