Bagging與隨機森林

前今天整理了決策樹的原理實現，順手再把隨機森林的原理整理整理。 1.Bagging  Bagging是並行式集成學習方法最著名的代表，其原理是給定包含m個樣本的數據集，我們先隨機取出一個樣本放入採樣集中，再把該樣本放回初始數據集(有放回)，這樣經過m此隨機採樣操作，我們得到含有m個樣本的採樣集。照這樣，我們可採樣出T個含m個訓練樣本的採樣集，然後基於每個採樣集訓練一個基學習器，再將這些基學習器進行

>>阅读原文<<