Bagging/boosting强调 抽取数据的策略.两者都采取随机有放回取样 (random sampling with replacement)的方式抽取数. Boosting 是一种将弱分类器转化为强分类器的方法统称，而adaboost是其中的一种，采用了exponential loss function（其实就是用指数的权重），根据不同的loss function还可. Ml主要有三种方法，分别是lasso、boosting 和 random forest 。lasso主要是解决线性模型的高维变量。boosting主要解决欠平衡采样问题，如果样本比较偏，就用 boosting。random forest.
Gamification Ideas for Sales Drive Success with Rewards
R语言机器学习算法实战系列（一）xgboost算法+shap值（extreme gradient boosting） r语言机器学习算法实战系列（二） svm算法+重要性得分（support vector machine） r语言机器. Boosting tree 以决策树为基学习器的boosting称为提升树 (boosting tree)，决策树可以是分类树和回归树，一般采用二叉树。 对于分类问题，直接将基学习器设置成分类树即可。
