“…同时训练数据量与分类 器的性能存在较强的关系, 一个好的分类器或分类系统应该能够平衡训练数据的大小, 调整拟合能力 与泛化能力之间的偏重. 集成学习 (ensemble learning) 作为一种强大的机器学习方法, 对于较庞大及 复杂的学习任务, 通过对弱分类器的结合, 可避免弱分类器学习能力的缺陷与精度的不足, 得到更加真 实的分类模型, 具有比单分类器更精确的分类潜力 [44] , 实验表明, 集成学习的方法对冠心病 [45] 、白内 障 [46] 、Parkinson [47] [48,49] . 测试过程中的所有笔迹都将自动暂存到客户端.…”