Bagging算法 (英语:Bootstrap aggregating,引导聚集算法),又称装袋算法,是机器学习领域的一种集成学习算法。最初由Leo Breiman于1994年提出。Bagging算法可与其他分类回归算法结合,提高其准确率、稳定性的同时,透过降低结果的变异数,避免过拟合的发生。

算法步骤

编辑

给定一个大小为 训练集 ,Bagging算法从中均匀、有放回地(即使用自助抽样法)选出 个大小为 子集 ,作为新的训练集。在这 个训练集上使用分类、回归等算法,则可得到 个模型,再透过取平均值、取多数票等方法,即可得到Bagging的结果。

参考文献

编辑