问1:什么是bagging?
答1:1)每次从样本集中有放回抽样n个,生成k各训练集合
2)使用每个训练集合进行模型训练
3)k个模型使用投票决定分类
问2:什么是boosting?
答:1)初始化对每个样本赋予相同权重1/n
2)每次训练之后更新权重,给予较大的权重,并重新训练
问3:bagging和boosting区别?
答3:1)bagging样本是随机且独立的,boosting样本权重受前一次训练影响
2)bagging可训练并行,boosting训练需串行
3)bagging代表是随机森林