决策树使得每一个叶子节点都是在空间中的一个不相交的区域。在进行决策的时候，根据输入样本的特征值，一步一步往下，最终使得样本落入其中一个叶子节点。
在集成学习中，期望个体学习器应该“好而不同”，我们可以考虑使用相互有交叠的采样子集。
自助采样法：给定包含 m m m个样本的数据集，随机取出一个样本放入采样集，再把该样本放回初始数据集，使得下次采样时该样本仍有可能被选中，这样，经过 m m m次采样，最终得到的包含 m m m个样本的采样集，初始数据集中有的样本在采样集多次出现，有的则从未出现。初始数据集中约有63.2%的样本出现在采样集。
Bagging是并行式集成学习方法最著名的代表。Bagging基本流程：基于自助采样法,采样出
最低0.47元/天 解锁文章
721
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
