[李宏毅-機器學習]集成學習 Ensemble

bagging bagging用於複雜的model，解決over-fitting，例如決策樹   boosting 用於簡單的model   Adaboost 讓新的data分佈，在當前分類器上的正確率爲50%，再使用新的data分佈來訓練下一個分類器 將分類正確的data權重降低，分類錯誤的data權重增加   gradient boosting 把adaboost當作梯度下降來做   stac

>>阅读原文<<