2020-06-10
阅读量:
859
Python机器学习中的bagging和boosting算法的区别
bagging：用的是交叉验证的思想，每部分数据集里面的噪音都不一样，或多或少，这样子话，可以很好的来学习X和Y之间最真实的规律。可以解决过拟合的问题，但是有可能欠拟合。对于boosting来说，它的策略是数据集不变，只是引入了样本的权重，每次迭代过程当中，都尝试将每一个弱分类器预测错的样本的权重增大，预测正确的样本的权重减小，从而让后面的弱分类器更加小心的对待之前预测错的样本，从而不断来提高整体准确率
boosting：每次迭代都是增大预测错的样本的权重，把噪音全部学习进去很可能造成过拟合。这个表现出boosting这个算法，可以解决欠拟合的问题，但是很容易出现过拟合的问题
47.6667
4
5
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
CDA持证人阿涛哥
2023-06-20
0条评论
CDA持证人阿涛哥
2021-03-31
0条评论
CDA持证人阿涛哥
2021-03-30
0条评论