Kilig___的博客

并行 vs 串行：Bagging是并行的集成学习方法，而Boosting是串行的。数据处理方式：Bagging通过随机抽样构建多个模型，Boosting通过逐步迭代训练一系列弱分类器并进行加权。对模型的改进方式：Bagging减少方差，Boosting减少偏差。对异常值和噪声的敏感性：Boosting相对于Bagging更加敏感。选择Bagging还是Boosting取决于具体问题和数据集的性质。通常，对于复杂数据和模型，Boosting更有优势；

谨以此博客作为复习期间的记录。

谨以此博客作为复习期间的记录。

谨以此博客作为复习期间的记录。

谨以此博客作为复习期间的记录。

谨以此博客作为复习期间的记录。

谨以此博客作为复习期间的记录。

谨以此博客作为复习期间的记录。

谨以此博客作为复习期间的记录。常见分类问题的流程，数据预处理和特征选择提取时机器学习环节中最重要的两个流程。这两个环节直接决定了最终性能的上下限，本部分记录一下特征提取和选择部分（特征工程）可以表示为：从一个包含 n 个度量值的集合x1​x2​xn​中，按照某个准则选择出一个子集，用作分类的特征，这个子集具有降维的效果（m 维，其中 m < n）。可以表示为：通过某种变换，将原始特征集合x1​x2​xn​转换成一个包含 m 个新特征y1​y2​ym​。

谨以此博客作为学习期间的记录。