Bagging算法 (英語:Bootstrap aggregating,引導聚集算法),又稱裝袋算法,是機器學習領域的一種集成學習算法。最初由Leo Breiman於1994年提出。Bagging算法可與其他分類回歸算法結合,提高其準確率、穩定性的同時,透過降低結果的變異數,避免過擬合的發生。

算法步驟

編輯

給定一個大小為 訓練集 ,Bagging算法從中均勻、有放回地(即使用自助抽樣法)選出 個大小為 子集 ,作為新的訓練集。在這 個訓練集上使用分類、回歸等算法,則可得到 個模型,再透過取平均值、取多數票等方法,即可得到Bagging的結果。

參考文獻

編輯