机器学习之Bagging 与 随机森林算法

在集成学习里面，有两种流派，一个是 boosting 流派，它的特点是对于各个学习器之间有着相互依赖的关系 （比如说在某一次算法结束后，分类错误的样本会增大比例，以引起下一次的训练时候的关注度），另一种是bagging 流派，它的特点是各个学习器之间没有任何的依赖关系，可以并行拟合。 Bagging 原理 从图中，我们可以看出， bagging 学习算法 没有 adaboost 算法那样的联系，它

>>阅读原文<<