集成方法（ensemble method，元算法meta algorithm）是对其它算法进行组合的一种形式。也就是说，集成多个模型的能力，达到比单一模型更佳的效果。
Bagging
原理
Bagging是“Bootstrap aggregating”的缩写。
Bootstrap（自助法）是一种抽样方法，是现代统计学较为流行的一种统计方法，在小样本时效果很好.
优点:
- Bagging算法可以显著降低模型的方差，提高模型的稳定性。通过使用多个相互独立的学习器，Bagging可以减少模型对训练数据的敏感性，从而更好地适应未知的测试数据。
- Bagging算法可以并行计算，加速模型训练的速度。由于每个基学习器都是独立训练的，所以Bagging算法可以并行处理多个子集，从而加速训练过程。
- Bagging算法不容易出现过拟合。通过使用随机抽样的方式来生成多个子集，Bagging可以避免模型对训练数据的过分拟合。