Boosting算法

Boosting算法的思想和隨機森林的思想是不同的，隨機森林中的每棵樹都是一個強分類器（樹的深度比較深），那麼這樣偏差就會小得多，方差就會大的多，爲了降低方差，隨機森林設計了多棵樹，每棵樹的樣本都是通過重抽樣的方式獲得，這樣相當於綜合了數據總體的多個樣本進行訓練，可以有效的降低方差，這樣在測試集中才可以得到較好的效果。Boosting的思想是設計多個弱分類器，弱分類的特點就在於偏差過大，因此需要後

>>阅读原文<<