Bagging与Boosting基础逻辑

Bagging 基本思路： 有数据集N，进行有放回的抽取n个数据，N > n，反复K次，得到K组数据， K组数据分别独立训练K个模型，然后再投票得到分类结果。 投票方法： 绝对多数投票法，某个类超过半数 相对多数投票法，票数最多的为预测结果，若多个同时最高，则从最高中随机一个 加权投票法，与加权平均类似 若是回归问题，则取平均数   bagging的应用： bagging是为了降低variance

>>阅读原文<<