集成学习1_bagging

集成学习介绍

如何预测结果：投票（取众数），平均法，加权平均。目的：提高分类准确率反馈—错误的东西

高级集成技术

bagging非常重要。
bagging思想很重要
最终的结果：取他们之间的 投票（众数）
T一般情况默认取10；x是测试数据，c1是训练完以后的模型，不是学习模型
为什么要求“不稳定”的分类？—如果稳定，分类都差不多。
bagging干什么事？–将10个模型全部列出来。
bagging的思想：从原始的数据集中随机抽取10个数据集；–有放回的抽取。构建了10颗决策树，注意：bagging示例中是预测的结果；求和的过程其实就是取众数。
bagging性能跟基分类器无关，只是集成之后，性能提高了.(bagging装袋)