模型組合方法-boosting算法詳解（機器學習面試必備）

常見的模型組合方法有：簡單平均（Averaging），投票（voting），Bagging（randomforest），boosting（GBDT），stacking，blending等，在實際業務中，單一模型很難滿足需求，組合模型才能達到業務的精度要求。本文主要詳細講述三種具有代表性的boosting算法：Adaboost，GBDT，XGBoost. 1.Adaboost原理：利用前一輪迭代弱分

>>阅读原文<<