bagging集成與boosting集成的區(qū)別？

Bagging：對數(shù)據(jù)進行采樣訓練;

Boosting：根據(jù)前一輪學習結(jié)果調(diào)整數(shù)據(jù)的重要性。

? 區(qū)別二:投票方面

Bagging：所有學習器平權(quán)投票;

Boosting：對學習器進行加權(quán)投票。

? 區(qū)別三:學習順序

Bagging的學習是并行的，每個學習器沒有依賴關(guān)系;

Boosting學習是串行，學習有先后順序。

? 區(qū)別四:主要作用

Bagging主要用于提高泛化性能(解決過擬合，也可以說降低方差)

Boosting主要用于提高訓練精度 (解決欠擬合，也可以說降低偏差)

猜你喜歡：

SVM的推導，特性?多分類怎么處理?  

簡述機器學習流程

如何理解anchor box?

什么是NMS?

人工智能培訓課程

下面是黑馬程序員公開的幾套人工智能視頻教程，如果感興趣可以下載學習。