bagging與隨機森林

Bagging(Bootstrap aggregating) 讓該學習算法訓練多輪，每輪的訓練集由從初始的訓練集中隨機取出的n個訓練樣本組成，某個初始訓練樣本在某輪訓練集中可以出現多次或根本不出現，訓練之後可得到一個預測函數序列h_1，⋯ ⋯h_n ，最終的預測函數H對分類問題採用投票方式，對迴歸問題採用簡單平均方法對新示例進行判別。訓練R個分類器f_i，分類器之間其他相同就是參數不同。其中f_i

>>阅读原文<<