机器学习技法------Blending and Bagging

Blending 在训练样本中学习得到若干个gt G= 1/T ∑ t gt 则： 此时是对于一个样本x 如果是对于所有的样本那么就变成了 avg（Eout(gt)）= avg(ε(gt-G)2)+Eout(G) 此时可以看做 Eout(G) 代表多个g和真正分布之间的差距 叫做bias 而 gt 和G之间的差距称作 variance 对于回归问题而言 blending for regressio

>>阅读原文<<