bagging集成与boosting集成的区别
区别一:数据方面
Bagging：对数据进行采样训练;
Boosting：根据前一轮学习结果调整数据的重要性。
区别二:投票方面
Bagging：所有学习器平权投票;
Boosting：对学习器进行加权投票。
区别三:学习顺序
Bagging的学习是并行的，每个学习器没有依赖关系;
Boosting学习是串行，学习有先后顺序。
区别四:主要作用
Bagging主要用于提高泛化性能(解决过拟合，也可以说降低方差)
Boosting主要用于提高训练精度 (解决欠拟合，也可以说降低偏差)
