算法初识

决策树

弱分类算法：决策树，神经网络 

Bagging -vs- Boosting 

Bagging是减少variance，而Boosting是减少bias

• Bagging：重采样，取平均
• Boosting：最小化损失函数

Bootstrap：自助采样算法，有放回抽样，用小样本数据集估计整体的非参数方法（估计统计量）。

Bagging：套袋法，并行化集成学习方法，自助采样 --> 加权融合 --> 等权重投票 

 场景：分类任务（简单投票法），回归任务（简单平均法）

Boosting：提升法，串行化集成学习方法，训练子集 --> 基分类器 --> 加权融合 --> 加权投票

 缺点：需预先知道弱学习算法的分类正确的下限

AdaBoost：Adaptive Boosting(Boosting进阶版)，子集选择 --> (分错)样本权重计算 --> 分类器权重计算 

 优点：自适应训练基分类器，侧重训练分错的样本

关于两者的区别，详见：https://www.cnblogs.com/earendil/p/8872001.html

几种算法关系总结如下：

• Bagging + 决策树 = 随机森林（RF）
• AdaBoost + 决策树 = 提升树（Boosting Tree）
• Gradient Boosting + 决策树 = 梯度提升树（GBDT）

GBDT以决策树（CART）为基学习器的GB算法，XGBoost扩展和改进GDBT，更快、准确率相对高。

随机森林

梯度提升树

XGBoost

以上几种总结如下：

随机森林RF：并行化集成学习方法，以决策树为基学习器构建Bagging的集成学习方法，在决策树的训练过程中引入随机属性选择。

 特点：样本扰动+属性扰动 ==> 基学习器多样性 ==> 泛化性能提升

梯度提升树：采用加法模型(即基函数的线性组合)与前向分布算法，以决策树为基函数的提升方法

 特点：利用最速下降法，关键是利用损失函数的负梯度在当前模型的值

XGBoost：并行化集成学习方法

 特点：