https://www.cs.rit.edu/~rlaz/prec20092/slides/Bagging_and_Boosting.pdf
https://neilxu.gitbooks.io/mlnb/content/random_forests.html
-
Bagging
Bagging(Breiman, 1996) 通過訓練許多基本分類器進行投票分類,每種基本分類器(如決策樹,神經網絡)通過投票的方式降低偏差增加方差。
假設我們的任務是使用訓練數據學習一個模型,我們通過對訓練數據進行採樣劃分爲N個數據集,然後訓練N個基本的分類器。
Q: 這些公式的含義?
- Boosting
Boosting(Freund & Shapire, 1996) 通過訓練多個弱分類器,調整其權重並進行投票實現分類,如下圖:
Q: boosting與margin之間有什麼關係?