首页 > 试题广场 >

下列说法正确的是（）

[不定项选择题]
下列说法正确的是（） 
  • 当训练样本数量趋向于无穷大时，在该数据集上训练的模型变化趋是偏差变小
  • bagging降低方差，boosting降低偏差
  • bagging降低偏差，boosting降低方差
  • 泛化误差=方差+偏差+噪声
查看答案及解析
添加回答
x~angelkawaii~x头像 x~angelkawaii~x
bagging算法采用投票法，集成所有弱分类器的结果，以服从多数的原则产生最终预测结果。
boosting算法的本质是将弱分类器提升为强分类器，构造弱分类器不断提高错分类样本的权值，降低正确分类样本的权值。
bias-variance权衡方面，boosting更关注bias，即总分类器的拟合能力更好；bagging更关注variance，即总分类器对数据扰动的承受能力更强。
参考资料：正如Leo Breiman指出：与bagging模型想比，boosting方法可导致的偏置和方差减少，而boosting方法在实践中以其高方差而闻名，即对训练数据有过拟合的倾向。[1]
[1]An improvement of AdaBoost to avoid overfitting, G. Raetsch, T. Onoda, and K.R.Muller. Proceedings of the International Conference on Neural Information Processing,CiteSeer,1998
编辑于 2021-10-25 21:44:54 回复(0)
Mach1ne98头像 Mach1ne98
A训练样本增多，方差减小，与偏差无关
发表于 2021-03-02 20:20:56 回复(1)
提交观点

问题信息

美团 算法工程师 2021
上传者：小小
难度：
2条回答 645浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号