多粒度级联森林 简介 一种决策树森林（集成学习）方法 与DNNs相比在多个任务上表现都具有很强竞争力 超参数减少明显 自适应的模型复杂度 差异性是关键 基本思想：加入更多的随机性 主要策略： 数据采样处理 输入特征的处理：在随机子空间中进行特征采样 可学习参数的处理：NN的随机初始化，负相关学习 输出表示的处理 级联森林结构：将多片森林的输出作为新的输入，传入另一层的多片森林 模型集成：采用不同种类的森林，鼓励集成时的多样性