更新时间:2020-09-25 来源:黑马程序员 浏览量:
Bagging:对数据进行采样训练;
Boosting:根据前一轮学习结果调整数据的重要性。
• 区别二:投票方面
Bagging:所有学习器平权投票;
Boosting:对学习器进行加权投票。
• 区别三:学习顺序
Bagging的学习是并行的,每个学习器没有依赖关系;
Boosting学习是串行,学习有先后顺序。
• 区别四:主要作用
Bagging主要用于提高泛化性能(解决过拟合,也可以说降低方差)
Boosting主要用于提高训练精度 (解决欠拟合,也可以说降低偏差)
猜你喜欢:
下面是黑马程序员公开的几套人工智能视频教程,如果感兴趣可以下载学习。