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
解压密码： detechn或detechn.com
免责声明
本站所有资源出自互联网收集整理，本站不参与制作，如果侵犯了您的合法权益，请联系本站我们会及时删除。
本站发布资源来源于互联网，可能存在水印或者引流等信息，请用户自行鉴别，做一个有主见和判断力的用户。
本站资源仅供研究、学习交流之用，若使用商业用途，请购买正版授权，否则产生的一切后果将由下载用户自行承担。
