Bagging算法
Bagging算法 （英语：Bootstrap aggregating，引导聚集算法），又称装袋算法，是机器学习领域的一种团体学习算法。最初由Leo Breiman于1994年提出。Bagging算法可与其他分类、回归算法结合，提高其准确率、稳定性的同时，通过降低结果的方差，避免过拟合的发生。
| 机器学习与資料探勘 |
|---|
 |
算法步骤
给定一个大小为的训练集，Bagging算法从中均匀、有放回地（即使用自助抽样法）选出个大小为的子集，作为新的训练集。在这个训练集上使用分类、回归等算法，则可得到个模型，再通过取平均值、取多数票等方法，即可得到Bagging的结果。
参考文献
- Breiman, Leo. (PDF). Technical Report No. 421. 1994 [2020-01-11]. （原始内容存档 (PDF)于2019-07-18）.
- Breiman, Leo. . Machine Learning. 1996, 24 (2): 123–140. doi:10.1007/BF00058655. CiteSeerX: 10.1.1.32.9399.
- Alfaro, E., Gámez, M. and García, N. . 2012 [2016-10-02]. （原始内容存档于2019-09-24）.
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.