集成学习——随机森林 1 模型算法介绍 1.1 bagging 的介绍 1.2 随机森林 2 sklearn中的实现 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: 随机采样