bagging集成與boosting集成的區(qū)別是什么？

bagging集成與boosting集成的區(qū)別

區(qū)別一:數(shù)據(jù)方面

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：

簡述機器學習流程

什么是機器學習？

機器學習可以應(yīng)用于哪些領(lǐng)域？

黑馬程序員AI人工智能培訓課程