跳转到内容

Bagging算法

维基百科,自由的百科全书

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集成学习算法。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,透过降低结果的变异数,避免过拟合的发生。

算法步骤

[编辑]

给定一个大小为训练集,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,再透过取平均值、取多数票等方法,即可得到Bagging的结果。

参考文献

[编辑]