bagging和boosting

集成學習大致可分爲兩大類:Bagging和Boosting; Bagging一般使用強學習器,其個體學習器之間不存在強依賴關係,容易並行。Boosting則使用弱分類器,其個體學習器之間存在強依賴關係,是一種序列化方法。Bagging主要關注降低方差,而Boosting主要關注降低偏差。Boosting是一族算法,其主要目標爲將弱學習器「提升」爲強學習器,大部分Boosting算法都是根據前一個學
相關文章
相關標籤/搜索