集成学习:RF属于bagging思想,而GBDT是boosting思想 偏差-方差权衡:RF不断的降低模型的方差,而GBDT不断的降低模型的偏差 训练样本:RF每次迭代的样本是从全部训练集中有放回抽样形成的,而GBDT每次使用全部样本 并行性:RF的树可以并行生成,而GBDT只能顺序生成(需要等上一棵树完全生成) 最终结果:RF最终是多棵树进行多数...