机器学习 7 XGBoost

1. 集成算法总结 1.1 Bagging 随机森林：多个基模型的构建是基于不同数据来构建的，各个模型是独立，不提提高准确度，但是可以降低过拟合； 1.2 Boosting 通过迭代的形式，基于之前构建好的模型，对样本数据做一定的修正【或者改变权重/标签值】然后影响之后模型的构建。不断迭代构建的目的是：让预测更加准确，提升准确度，降低偏差； Adaboost 通过修正样本的权重 GBDT 通过修正

>>阅读原文<<