机器学习笔记(8)——集成学习之Bootstrap aggregating(Bagging)装袋算法

Bootstrap aggregating自举汇聚法 Bagging装袋法 1.概念 是一种在原始数据集上经过有放回抽样从新选出S个新数据集来训练分类器的集成技术。也就是说这些新数据集是容许重复的。 使用训练出来的分类器集合来对新样本进行分类，而后用多数投票或者对输出求均值的方法统计全部分类器的分类结果，结果最高的类别即为最终标签。为了提升模型的方差(variance, 差别性)，bagging在

>>阅读原文<<