随机森林和AdaBoost的区别

 随机森林算法(Random Forest Algorithm)是一种常用的机器学习算法，它将多个决策树(Decision tree)的输出结合起来，得到一个单一的结果。它处理分类和回归问题，因为它结合了决策树的简单性和灵活性，从而显著提高了准确性。

AdaBoost算法(Adaptive Boosting)是一种用于集成机器学习系统的Boosting方法。在每一轮中，每棵树的权重会被重新分配，对错误分类的条件赋予更高的权重，因此被称为自适应Boosting。AdaBoost使用多个单层决策树，称为树的森林。

随机森林和AdaBoost的区别

树的大小

在随机森林中， 每次你做出一棵树，你就做出了一棵完整的树。有些树可能比其他树大，但没有预先确定的最大深度。

相比之下，在使用AdaBoost制作的树木森林中，树木通常只是一个节点和两个叶子。只有一个节点和两个叶子的树被称为树桩，所以树木的森林实际上就是树桩森林。