机器学习面试-树模型

集成学习 Boosting: 串行方式训练基分类器, 各分类器之间有强依赖关系。基本思想是基分类器层层叠加， 每一层基分类器在训练的时候， 对前一层基分类器分错的样本给与更高的权重。 最后的结果由根据各层分类器的结果加权得到。 Bagging: 各分类器之间无依赖， 可以使用并行的方式。基本思想是， 各个个体分而治之， 独立作出判断， 在通过投票的方式，做出最后的决策。 偏差： 偏差是指由有所采样

>>阅读原文<<