（理解一下结论就好了）
集成学习
泛化能力强的集成由「好而不同」的个体学习器构建，即个体学习器的准确性越高，多样性越大，则集成的泛化能力越强。
简单分析：对回归学习任务 ，个体学习器 ，通过加权平均法结合产生集成学习器
定义 和 的「分歧」分别为
分歧项表征了个体学习器在样本 上的不一致性，在一定程度上反映了个体学习器的多样性。
和 的平方误差分别为
定义个体学习器误差的加权平均值为
定义误差-分歧分解（Error-Ambiguity Decomposition）为
上式表明，个体学习器的准确性越高、多样性越大，则集成越好。