bagging集成与boosting集成的区别

区别一:数据方面

Bagging：对数据进行采样训练;

Boosting：根据前一轮学习结果调整数据的重要性。

区别二:投票方面

Bagging：所有学习器平权投票;

Boosting：对学习器进行加权投票。

区别三:学习顺序

Bagging的学习是并行的，每个学习器没有依赖关系;

Boosting学习是串行，学习有先后顺序。

区别四:主要作用

Bagging主要用于提高泛化性能(解决过拟合，也可以说降低方差)

Boosting主要用于提高训练精度 (解决欠拟合，也可以说降低偏差)