概念Ensemble Learning
集成学习
机器学习领域的核心范式，将多个弱学习器或差异化模型的预测结果综合，获得比单一模型更稳健的输出，代表算法包括Bagging、Boosting、Random Forest、XGBoost等
时间轴 (近 90 天)
8月22日
利用不同模型训练哲学差异进行对抗性协作，本质上是集成学习（Ensemble Learning）思想在Agent层面的应用
待验证50%
8月4日
Gradient Boosting是一类集成学习算法，通过迭代训练弱学习器（通常是决策树），每个新模型专注于纠正上一轮的残差
待验证95%
7月12日
集成学习的主要流派包括Bagging（降低方差）、Boosting（降低偏差）和Stacking
待验证50%