集成方法 ensemble method
元算法 meta algorithm
概念:是对其他算法进行整合的一种形式
集成方法:
i.投票方法 bagging 基于数据随机抽样分类起构造的方法
ii.再学习 boosting 基于所有分类器的加权求和的方法
场景:
比较流行的是:
-
Bagging 比较流行的是随机森林(random forest)
-
Boosting 比较流行的是自适应增强 (AdaBoosts)
bagging与boosting区别与联系
1.bagging是一种与boosting很类似的技术,所使用的多个分类器的类型(数据量和特征量)都是一致的
2.bagging是由不同的分类器(1.数据随机化2特征随机化)经过训练,综合得出的出现最多的分类结果;boosting是通过已经有的分类器数据分的那些数据来获得新的分类器,得出最优的结果。
3.bagging中分类器权重是相等的,而boosting中分类器加权求和,所以权重并不相等,每个权重代表的是其对应分类器在上一轮迭代中的成功率。