Bagging 和 Boosting

Bagging (bootstrap aggregating)

Bagging是Bootstrap aggregating的缩写。中文意思是自助聚合。而Bootstrap本身是一种有放回的抽样方法（可能抽到重复的样本）。

算法流程

1. 从原始样本集中随机采样。每轮从原始样本集中有放回的选取n个训练样本（在训练集中，有些样本可能被多次抽取到，而有些样本可能一次都没有被抽中）。共进行k轮抽取，得到k个训练集。（bootstrap的过程，由于是有放回抽样，所以k个训练集之间相互独立）
2. **每次使用一份训练集训练一个模型，k 个训练集共得到 k 个基模型**。（注：这里并没有具体的分类算法或回归方法，我们可以根据具体问题采用不同的分类或回归方法，如决策树、感知器等）
3. 利用这k个基模型对测试集进行预测，将k个预测结果进行聚合。(aggregating的过程)

Bagging算法特点：

1、可并行的集成方法。每个基模型可以分别、独立、互不影响地生成。
​
2、**主要降低 Variance**，对 Bias 无明显作用。因此，适用于 High Variance & Low Bias 的模型(准确性高，泛化性差)。

Boosting

Boosting的核心思想是将多个弱分类器组装成一个强分类器 。

关于Boosting的两个核心问题：

1）在每一轮如何改变训练数据的权值或概率分布？
​
通过提高那些在前一轮被弱分类器分错样例的权值，减小前一轮分对样例的权值，来使得分类器对误分的数据有较好的效果。
​
2）通过什么方式来组合弱分类器？
​
通过加法模型将弱分类器进行线性组合，比如AdaBoost通过加权多数表决的方式，即增大错误率小的分类器的权值，同时减小错误率较大的分类器的权值。
​
而提升树通过拟合残差的方式逐步减小残差，将每一步生成的模型叠加得到最终模型

Boosting算法特点：

1、序贯式集成方法（Sequential Ensemble）。每轮迭代生成的基模型，主要提升前一代基模型表现不好的地方。
​
2、不断迭代弱分类器，从而降低 Bias。因此，适用于 Low Variance & High Bias 的模型(准确性低，泛化能力强)

• Bagging，Boosting二者之间的区别

1）样本选择：
Bagging：训练集是在原始集中有放回选取的，从原始集中选出的各轮训练集之间是独立的。
Boosting：每一轮的训练集不变，只是训练集中每个样例在分类器中的权重发生变化。而权值是根据上一轮的分类结果进行调整。
2）样例权重：
Bagging：使用均匀取样，每个样例的权重相等
Boosting：根据错误率不断调整样例的权值，错误率越大则权重越大。
3）预测函数：
Bagging：所有预测函数的权重相等。
Boosting：每个弱分类器都有相应的权重，对于分类误差小的分类器会有更大的权重。
4）并行计算：
Bagging：各个预测函数可以并行生成
Boosting：各个预测函数只能顺序生成，因为后一个模型参数需要前一轮模型的结果。