Bagging與隨機森林

一、Bagging算法 Bagging是並行集成學習方法最著名的代表，可以用來提高學習算法準確度的方法，這種方法通過構造一個預測函數系列，然後以一定的方式將它們組合成一個預測函數。Bagging要求「不穩定」（不穩定是指數據集的小的變動能夠使得分類結果的顯著的變動）的分類方法。比如：決策樹，神經網絡算法。 Bagging的基本流程爲： 1、首先採取隨機採樣(bootsrap)，也就是從我們的訓練集

>>阅读原文<<