機器學習技法------Blending and Bagging

Blending 在訓練樣本中學習得到若干個gt G= 1/T ∑ t gt 則： 此時是對於一個樣本x 如果是對於所有的樣本那麼就變成了 avg（Eout(gt)）= avg(ε(gt-G)2)+Eout(G) 此時可以看做 Eout(G) 代表多個g和真正分佈之間的差距 叫做bias 而 gt 和G之間的差距稱作 variance 對於迴歸問題而言 blending for regressio

>>阅读原文<<