说一下随机森林和 Adaboost，以及区别？

Answer 1

随机森林和adaboost都属于集成学习的方法，集成学习作用是多个同类型分类器学习降低方差降低波动。随机森林是集成学习决策树，决策树是强类型分类器，推广泛化能力弱，随机森林提高泛化能力。adaboost是作用弱分类器的集成学习方法，弱分类器推广泛化能力已经很强了目的是提高准确率。 随机森林的过程是m个分类器并行学习结果取平均。其方差在完全独立1/m  σ²到完全不独立σ²之间。 adaboost的过程是m个分类器串行学习，每轮样本权重不同，最终结果是各分类器的加权。即训练M个分类器：训练一个分类器Gm，计算错误率，Gm权重与错误率成负相关，更新样本权重作为下轮训练的样本