機器學習面試-模型融合和提高的算法

● bagging和boosting的區別 參考回答： Bagging是從訓練集中進行子抽樣組成每一個基模型所須要的子訓練集,而後對全部基模型預測的結果進行綜合操做產生最終的預測結果。node Boosting中基模型按次序進行訓練,而基模型的訓練集按照某種策略每次都進行必定的轉化,最後以必定的方式將基分類器組合成一個強分類器。算法 Bagging的訓練集是在原始集中有放回的選取,而Boostin

>>阅读原文<<