bagging和boosting的区别

bagging是从样本集中抽样出子训练集，训练处多个基模型，然后通过投票表决决定最重的越策结果；而boost是每一轮都是用的是同一个数据集，但是样本的权重不同，训练多个基分类器，最终将多个基分类器组合场强分类器。

bagging是又放回的抽样，而boosting使用的是同一个样本集，只是样本的权重不同。

bagging各个基模型可以并行生成，而boosting各个预测模型只能顺序生成。