机器学习面试-模型融合和提高的算法

● bagging和boosting的区别 参考回答： Bagging是从训练集中进行子抽样组成每一个基模型所须要的子训练集,而后对全部基模型预测的结果进行综合操做产生最终的预测结果。node Boosting中基模型按次序进行训练,而基模型的训练集按照某种策略每次都进行必定的转化,最后以必定的方式将基分类器组合成一个强分类器。算法 Bagging的训练集是在原始集中有放回的选取,而Boostin

>>阅读原文<<