機器學習面試-樹模型

集成學習 Boosting: 串行方式訓練基分類器, 各分類器之間有強依賴關係。基本思想是基分類器層層疊加， 每一層基分類器在訓練的時候， 對前一層基分類器分錯的樣本給與更高的權重。 最後的結果由根據各層分類器的結果加權得到。 Bagging: 各分類器之間無依賴， 可以使用並行的方式。基本思想是， 各個個體分而治之， 獨立作出判斷， 在通過投票的方式，做出最後的決策。 偏差： 偏差是指由有所採樣

>>阅读原文<<