集成学习——随机森林

1 模型算法介绍

1.1 bagging 的介绍

Bagging 方法的基本思想是：利用 Bootstrap（自助法）方法重采样来生成多个版本的预测分类器，然后把这些分类器进行组合。通常情况下组合的分类器给出的结果比单一分类器的好，因为综合了各个分类器的特点。
Bootstrap（自助法）方法就是从我们的训练集里面随机采集固定个数的样本，但是每采集一个样本后，都将样本放回。即之前采集到的样本在放回后有可能继续被采集到。其构建的流程如下：