取样
- Bagging:均匀取样,随机,各轮之间独立
- Boosting:根据错误率
预测函数权重
- Bagging:无
- Boosting:有
预测函数生成顺序
- Bagging:并行
- Boosting:串行
bias & variance
- Bagging:降低方差,每个基分类器的偏差和方差接近,随基模型数量增加,方差降低,但偏差基本不变
- Boosting:降低偏差,boosting基本思想是最小化指数损失函数,可降低偏差,但模型间相关性强,不能明显降低方差
取样
预测函数权重
预测函数生成顺序
bias & variance