更新時間:2020-09-25 來源:黑馬程序員 瀏覽量:
Bagging:對數(shù)據(jù)進行采樣訓練;
Boosting:根據(jù)前一輪學習結果調(diào)整數(shù)據(jù)的重要性。
? 區(qū)別二:投票方面
Bagging:所有學習器平權投票;
Boosting:對學習器進行加權投票。
? 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:
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。