bagging集成与boosting集成的区别

• 区别一:数据方面

  • Bagging：对数据进行采样训练；
  • Boosting：根据前一轮学习结果调整数据的重要性。

• 区别二:投票方面

  • Bagging：所有学习器平权投票；

  • Boosting：对学习器进行加权投票。

• 区别三:学习顺序

  • Bagging的学习是并行的，每个学习器没有依赖关系；
  • Boosting学习是串行，学习有先后顺序。

• 区别四:主要作用

  • Bagging主要用于提高泛化性能（解决过拟合，也可以说降低方差）
  • Boosting主要用于提高训练精度 （解决欠拟合，也可以说降低偏差）