集成学习-bagging

bagging集成学习中最为经典的算法之一。 Bagging算法的基本思想是：自助采样和投票表决 Bagging就是，有放回采样m个样本，这件事进行T（T一般是奇数）次，这样就得到了T个不相同的训练集，分别用于取训练一个基学习器。因为样本集的构成不同，这T个基学习器就是不同的。而测试集则用这T次自助采样都没有采到过的那部分样本构成。 投票表决：训练出的T个基学习器用于样本预测时，按少数服从多数给出

>>阅读原文<<