機器學習筆記(8)——集成學習之Bootstrap aggregating(Bagging)裝袋算法

Bootstrap aggregating自舉匯聚法 Bagging裝袋法 1.概念 是一種在原始數據集上通過有放回抽樣重新選出S個新數據集來訓練分類器的集成技術。也就是說這些新數據集是允許重複的。 使用訓練出來的分類器集合來對新樣本進行分類，然後用多數投票或者對輸出求均值的方法統計所有分類器的分類結果，結果最高的類別即爲最終標籤。爲了提高模型的方差(variance, 差異性)，bagging在

>>阅读原文<<