bagging、boosting、stacking区别和偏差，方差的关系

(1) bagging又放回样本生成学习器，boosting全部样本训练串行生成学习器

(2) bagging降低方差，boosting保证低的偏差

(3) 偏差是对数据的拟合程度，方差是对训练数据的抗干扰能力

(4) 方式，过程，结果

(5) 从样本选择上，样例权重，预测函数，并行计算方面回答

(6) 如何剪枝

① 预剪枝，决策树生成过程中，对每个结点在划分前先进行估计，若当前结点的划分不能带来决策树泛化性能提升，则停止划分并将当前结点标记为叶结点

② 后剪枝，从训练集生成一棵完整的决策树，然后自底向上地对非叶结点进行考察，若将该结点对应的子树替换为叶结点能带来决策树泛化性能提升，则将该子树替换为叶结点