bagging 前言 一、数据采样----有放回的采样 二、使用步骤 1.引入库 2.读入数据 总结 前言 前篇文章介绍了集成学习的三种方式,本篇具体梳理bagging方式的详细过程和实现。 一、数据采样----有放回的采样 1. 对一个包含 m 个样本的数据集,base learner有k个,进行 m 次有放回的随机采样,这样得到k个大小为m的采样集分别给k个模型进行训练。 2. 没有被采样到的样本作为验证集,因为是有放回的采样,所以采样到的样本有可能有重复样本。 3. 假设一个样本被抽取的概率是1/m,则抽样次数足够大时,一个样本不被抽到的概率为36.8%。 二、使用步骤 1.引入库 代码如下(示例&#x