本書分為三部分, 第一部分主要介紹集成學習的相關(guān)背景, 即關(guān)于分類器的相關(guān)基礎(chǔ)理論; 第二部分主要介紹集成學習方法的核心知識, 諸如多分類器集成的框架、集成規(guī)則和性能評估等理論; Boosting、Bagging、Stacking和隨機森林 (Random Forests) 等經(jīng)典算法; 除此之外, 還介紹典型的動態(tài)集成方法以及集成聚類算法相關(guān)基本概念。第三部分介紹集成學習方法的擴展議題, 給出集成學習在半監(jiān)督學習、主動學習和類別不平衡學習等領(lǐng)域的應(yīng)用。