集成學習（2）--bagging與隨機森林

給定一個訓練集，對訓練樣本進行採樣，產生出若干個不同的子集，再從每個子集中訓練一個基學習器。由於訓練數據不同，基學習器可望有比較大的差異。但如果採樣出的每個子集都完全不同，則每個基學習器只用到一小部分訓練數據，甚至不足以有效學習，也就無法產生好的學習器。可以使用相互有交疊的採樣子集解決。 Bagging Bagging是並行集成學習方法的代表，從名字可以看出它是基於自助採樣法。即有放回的採樣。 給

>>阅读原文<<