模型融合和提升算法詳解（bagging和boosting）

1.兩者的區別 （1）樣本的選擇上：Bagging：訓練集是在原始數據上進行有放回的隨機抽樣，在原始數據中選出的各個訓練集是相互獨立的。Boosting：每一輪的訓練集不變，只是訓練集當中每一個樣本在分類器當中的權重發生變化，且權重是根據上一輪的分類結果進行調整。 （2）樣本權重：Bagging：進行均勻抽樣，每一個樣本的權重相等。Boosting：根據上一輪分類結果的錯誤率不斷調整樣本的權重，錯

>>阅读原文<<