集成学习-Task08 Bagging 的原理和案例分析

bagging的思路和原理分析

Bagging是经典的集成学习方法 [6] ，是通过综合多个弱学习器的学习结果，共同完成同一个学习任务的过程。其集成原理为：有放回重复抽取N个样本集，每个样本集中有M个样本，分别训练N个学习模型，从而获得N个弱学习器[7]。
其具体算法如下：
(1) 在原数据集中有放回任意抽取M个样本，共进行N次，获得具有M个样本的N个样本集；
(2) 将N个样本集分别对应训练成N个弱学习模型，得到N个弱学习器；
(3) 将N个弱学习器输出结果对应投票，得到最终分类结果。