样本不均衡问题--bagging方法

bagging是一种用来提高学习算法准确度的方法，这种方法通过构造一个预测函数系列，然后以一定的方式将它们组合成一个预测函数。

它使用bootstrap抽样，

其基本思想是：将一个弱学习算法使用多次（每次使用一个放回的重复抽样），并对结果进行投票，最后选取投票多的结果作为最终的结果（也可以通过得票的平均值用于连续值的预测）。

bagging对使用的分类算法有要求，必须为不稳定的算法（不稳定是指数据集的小的变动能够使分类结果显著的变动）比如：决策树，神经网络算法、svm等。