バギング統合とブースティング統合の違い
違い 1: データの側面
バギング: データのサンプル トレーニング。
ブースティング: 前のラウンドの学習結果に応じてデータの重要性を調整します。
違い 2: 投票
バギング: すべての学習者に平等に投票します。
ブースティング: 学習者向けの加重投票。
違い3: 学習順序
Bagging の学習は並行して行われ、各学習者には依存関係がありません。
学習の促進は連続的であり、学習には順序があります。
違い4:主役
バギングは主に汎化パフォーマンスを向上させるために使用されます (過学習を解決するため、分散を減らすこともできます)。
ブースティングは主にトレーニングの精度を向上させるために使用されます(アンダーフィッティングを解決するため、偏差を減らすためとも言えます)。