ML-Review-集成-bagging-RF

标签：src   作用   迭代   random   完成   不容易   分类   集中   多个   

集成学习（ensemble learning）—bagging—RF

Bagging主要关注降低方差。（low variance）Boosting关注的主要是降低偏差。（low bias）

bagging是对许多强（甚至过强）的分类器求平均。在这里，每个单独的分类器的bias都是低的，平均之后bias依然低；而每个单独的分类器都强到可能产生overfitting的程度，也就是variance高，求平均的操作起到的作用就是降低这个variance。

boosting是把许多弱的分类器组合成一个强的分类器。弱的分类器bias高，而强的分类器bias低，所以说boosting起到了降低bias的作用。variance不是boosting的主要考虑因素。Boosting 则是迭代算法，每一次迭代都根据上一次迭代的预测结果对样本进行加权，所以随着迭代不断进行，误差会越来越小，所以模型的 bias 会不断降低。这种算法无法并行，例子比如Adaptive Boosting.

构建并组合多个学习器来完成学习任务，

同类型个体学习器（同质）——基学习器

不同累习惯个体学习器（异质）——个体学习器

原则：要获得比单一学习器更好的性能，个体学习器应该好而不同。即个体学习器应该具有一定的准确性，不能差于弱学习器，并且具有多样性，即学习器之间有差异。

根据个体学习器的生成方式，目前集成学习分为两大类：

• 个体学习器之间存在强依赖关系、必须串行生成的序列化方法。代表是Boosting。
• 个体学习器之间不存在强依赖关系、可同时生成的并行化方法。代表是Bagging和随机森林（Random Forest）

bagging在原始数据集上有放回抽样，选出S个新集，训练S个新的基学习器。

原数据会有63.2%会出现在采样集中,可推导。

分类——简单投票，回归——简单平均

Bagging优点：

• 高效。Bagging集成与直接训练基学习器的复杂度同阶。
• Bagging能不经修改的适用于多分类、回归任务。
• 包外估计。使用剩下的样本作为验证集进行包外估计（out-of-bag estimate）OOB

随机森林RF

bagging的变式，以决策树为基学习器。RF较决策树引入了 属性的随机选择

优点：随机可以采用到 均匀分布、高斯分布、置换

RF不再考虑全部属性，而是一个属性子集，计算开销小，训练效率高

随机的引入，不容易过拟合，抗噪声强

离散连续都可处理

基于oob误分类率和基于Gini系数的变化，可以得到变量的重要性（泛化能力退化程度，OOB用来验证过程推导——>笔记）

缺点：噪声较大时依然会过拟合

ML-Review-集成-bagging-RF

标签：src   作用   迭代   random   完成   不容易   分类   集中   多个   

原文地址：https://www.cnblogs.com/A-lam/p/12862756.html