boosting

时间：2026-10-27 03:20:02来源：

Boosting 是一种集成学习方法，通过组合多个弱模型来提升整体预测性能。其核心思想是逐步修正前一个模型的错误，最终形成一个强模型。

项目	内容
定义	一种集成学习技术，通过迭代训练多个弱模型并加权组合
特点	逐步优化、依赖前序模型、适用于分类与回归
常见算法	AdaBoost、Gradient Boosting、XGBoost
优点	提高准确性、减少偏差、适应复杂数据
缺点	计算成本高、容易过拟合

Boosting 在实际应用中广泛用于金融、医疗和推荐系统等领域，因其强大的预测能力而受到青睐。