詹惠儿

2021-04-07   阅读量: 20

数据分析师

集成模型选择Bagging算法还是Boosting 好?

问:

集成模型选择Bagging算法还是Boosting 好?


答:

可以根据bagging和boosting的特点进行选择:

1. 并⾏计算方面
Bagging:各个预测函数可以并⾏⽣成,对于极为耗时的学习⽅法, Bagging可通过并⾏训练
节省⼤量时间开销。
Boosting:各个预测函数只能顺序⽣成,因为后⼀个模型参数需要前⼀轮模型的结果。
2. 拟合程度
单个评估器存在过拟合问题的时候, Bagging能在⼀定程度上解决过拟合问题,⽽Boosting
可能会加剧过拟合的问题。
单个评估其学习能⼒较弱的时候,
Bagging⽆法提升模型表现, Boosting有⼀定可能提升模
型的表现。
3. 算法⽬标
Bagging:降低⽅差,提⾼模型整体的稳定性。
Boosting:降低偏差,提⾼模型整体的精确度。
BaggingBoosting都可以有效地提⾼分类的准确性。在⼤多数数据集中, Boosting的准确
性要⾼于
Bagging

240.0000 1 0 关注作者 收藏

评论(0)


暂无数据

推荐课程

推荐帖子