Bagging與Boosting基礎邏輯

Bagging 基本思路： 有數據集N，進行有放回的抽取n個數據，N > n，反覆K次，得到K組數據， K組數據分別獨立訓練K個模型，然後再投票得到分類結果。 投票方法： 絕對多數投票法，某個類超過半數 相對多數投票法，票數最多的爲預測結果，若多個同時最高，則從最高中隨機一個 加權投票法，與加權平均類似 若是迴歸問題，則取平均數   bagging的應用： bagging是爲了降低variance

>>阅读原文<<