集成学习的集成对象是学习器。
Bagging和Boosting属于集成学习的两类方法。
Bagging方法有放回地采样同数量样本训练每个学习器，然后再一起集成(简单投票);
Boosting方法使用全部样本(可调权重)依次训练每个学习器, 迭代集成(平滑加权)。
决策树属于最常用的学习器，其学习过程是从根建立树, 也就是如何决策叶子节点分裂。
ID3/C4.5决策树用信息熵计算最优分裂，CART决策树用基尼指数计算最优分裂，xgboost决策树使用二阶泰勒展开系数计算最优分裂。
相关推荐HOT
什么是域控制器?
一、域控制器的定义域控制器是指在Windows Server操作系统中部署Active Directory服务的服务器。Active Directory是微软公司开发的目录服务，用...详情>>
2023-10-15 00:10:28
深度学习模型权重h5、weights、ckpt、pth有什么区别?
1.来源框架不同h5格式通常用于Keras和TensorFlow框架，weights用于Darknet框架，ckpt是TensorFlow框架的一种格式，而pth则主要用于PyTorch框架...详情>>
2023-10-15 00:05:17
大数据测试工程师需要具备哪些技能?
一、理解大数据概念大数据测试工程师需要理解大数据的基本概念和原理，如分布式存储、MapReduce、实时计算等。他们还需要了解如何处理大规模的...详情>>
2023-10-14 23:43:03
为什么SpringBoot的 jar 可以直接运行?
一、JAR文件的结构与执行方式Spring Boot的JAR包是Java Archive的缩写，它是一种压缩文件格式，可以将Java项目的类文件、资源文件以及依赖库等...详情>>
2023-10-14 23:01:49
站群服务器是什么?
站群服务器的含义与用途站群服务器主要用于支持站群，即由一组相互链接的网站组成的群体。这些网站通常由同一组织或个人拥有，并且经常会互相链...详情>>
2023-10-14 22:46:12
京公网安备 11010802030320号