返回信息流用sklearn的DecisionTreeRegressor和AdaBoostRegressor，出现很有意思的情况：没有限制树的深度的情况下，adaboost跑出来的结果优于单个的DecisionTreeRegressor；但是一旦对树深度做限制，adaboost的效果就大大降低，远远差于单个DecisionTreeRegressor。感觉adaboost的效果至少不应该比原模型差才对，为什么会出现这种情况？
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #19612同步于 2016/5/4
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
adaboost的一个问题
hyx2011
2016/5/4镜像同步9 回复
订阅后，新回复会通过你的通知中心匿名送达。
9 条回复
我的意思是具体限制到多少，还有决策树和adaboost做的是不是相同的限制？
【 在 hyx2011 的大作中提到: 】
: 就是限制最大深度，可以限制最大深度是4，5啊这种，感觉是为了防止过拟合
做的是回归，不好看正确率，但是误差应该已经很小了
【 在 lswmike92115 的大作中提到: 】
: 是树深度设置的太小么= =导致单个分类器的正确率低于50%？
http://scikit-learn.org/stable/auto_examples/ensemble/plot_adaboost_regression.html
对比一下这个例子，是应该不会差，毕竟Ada是boosting方法。看看是不是数据的问题，有没有过拟合