Bagging思想的前世今生

目录

随机森林的产生

Bagging思想详解

为什么Bagging可以降低方差

scikit-learn中bagging

oob_score

基学习期数目


  • 随机森林的产生

决策树容易过拟合,偏差低,方差高

--> 可以降低方差的方式:Bagging(Boostrap aggregating),每个分类器对样本进行随机取样在平均。

--> 不仅对样本随机,对特征也随机,将多棵决策树进行融合,就是随机森林

 

  • Bagging思想详解

bootstrap样本:有放回的取样

aggregating对多个基学习器进行平均

 

  • 为什么Bagging可以降低方差

借鉴数学上对推导:

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值