bagging是从样本集中抽样出子训练集,训练处多个基模型,然后通过投票表决决定最重的越策结果;而boost是每一轮都是用的是同一个数据集,但是样本的权重不同,训练多个基分类器,最终将多个基分类器组合场强分类器。
bagging是又放回的抽样,而boosting使用的是同一个样本集,只是样本的权重不同。
bagging各个基模型可以并行生成,而boosting各个预测模型只能顺序生成。
转载于:https://www.cnblogs.com/pacino12134/p/11221912.html