关于"集成学习"，以下说法正确的是？（）A. 组合多个模型提高性能B. 使用单个模型C. 不需要训练数据D. 只用于回归任务

本题考查集成学习的基本概念和特点。解题思路是根据集成学习的定义和性质，对每个选项进行逐一分析判断。

• 选项A：
  集成学习的核心思想就是将多个弱学习器组合成一个强学习器，通过综合多个模型的预测结果，能够有效降低模型的方差，提高模型的泛化能力和预测性能。例如随机森林算法，它是由多个决策树组成的集成模型，每个决策树可能在某些方面表现一般，但组合起来后性能会显著提升。所以选项A正确。
• 选项B：
  集成学习强调的是组合多个模型，而不是使用单个模型。单个模型往往存在局限性，如容易过拟合、泛化能力不足等问题。而集成学习通过集成多个不同的模型来弥补这些不足。所以选项B错误。
• 选项C：
  任何机器学习模型的训练都需要数据，集成学习也不例外。在训练集成模型时，需要使用训练数据来训练每个基模型，然后再将这些基模型组合起来。没有训练数据，就无法构建有效的模型。所以选项C错误。
• 选项D：
  集成学习既可以用于分类任务，也可以用于回归任务。在分类任务中，常见的集成方法有Bagging、Boosting等，如随机森林用于分类问题；在回归任务中，也可以使用集成学习来提高预测的准确性，例如使用梯度提升回归树（GBRT）进行回归分析。所以选项D错误。