以下哪种算法属于集成学习（Ensemble Learning）方法？A. 逻辑回归B. SVMC. K均值D. Adaboost

集成学习（Ensemble Learning）的核心思想是组合多个基模型，通过投票或加权等方式提升整体性能。常见的集成方法包括Bagging（如随机森林）、Boosting（如Adaboost）、Stacking等。本题需识别选项中属于此类方法的算法。

关键点：

• 逻辑回归、SVM是单个模型的分类算法；
• K均值是聚类算法；
• Adaboost通过迭代训练弱分类器并调整权重，属于Boosting类集成方法。

选项分析

A. 逻辑回归

逻辑回归是线性分类模型，通过sigmoid函数将线性组合映射到概率，直接输出类别预测结果，不涉及模型集成。

B. SVM

支持向量机（SVM）通过寻找最大间隔超平面进行分类或回归，单个模型，无集成机制。

C. K均值

K均值是无监督聚类算法，用于将数据划分为K个簇，与分类或回归任务无关，不属于集成学习。

D. Adaboost

Adaboost（自适应提升）是Boosting类集成方法：

1. 迭代训练弱分类器（如决策树），每次调整样本权重；
2. 错误样本权重增加，后续分类器更关注难分类样本；
3. 最终模型是加权组合，强分类器。

结论：只有D选项符合集成学习定义。