第一问答网»论坛 › 中问网 › 问答 › Bagging与Boosting最大的不同在哪里?它们对模型性能最大 ...

Bagging与Boosting最大的不同在哪里?它们对模型性能最大的贡献在哪里?

11 |

1 | 2011-5-6 14:38:07 | 显示全部楼层 |阅读模式

两种不同的集成算法，Bagging采用重复取样:boostrap 每个个体分类器所采用的训练样本都是从训练集中按等概率抽取的，因此Bagging的各子网能够很好的覆盖训练样本空间，从而有着良好的稳定性。而Boosting注重分类错误的样本，将个体子网分类错误的训练样本的权重提高，降低分类错误的样本权重，并依据修改后的样本权重来生成新的训练样本空间并用来训练下一个个体分类器。然而，由于Boosting算法可能会将噪声样本或分类边界样本的权重过分累积，因此Boosting很不稳定，但其在通常情况下，其泛化能力是最理想的集成算法之一。你得自己去查文献，别来这问，这没人做学术的，我也是偶尔看到你的提问。

使用道具举报

返回列表发新帖

千问

主题	0 回帖	4882万积分

论坛元老

Rank: 8 Rank: 8

积分: 48824836

回复楼主返回列表

问答

热门排行