集成學習-bagging及boosting

Bagging算法流程 1.從大小爲n的原始數據集D中獨立隨機地抽取n’個數據（n’<=n），形成一個自助數據集； 2.重複上述過程，產生出多個獨立的自助數據集； 3.利用每個自助數據集訓練出一個「分量分類器」； 4.最終的分類結果由這些「分量分類器」各自的判別結果投票決定。 基本思想：對訓練集有放回地抽取訓練樣例從而爲每一個基本分類器都構造出一個跟訓練集相當大小但各不相同的訓練集，從而訓練出不同

>>阅读原文<<