Bagging分类器

Bagging分类器

• 1、Bagging：有放回的重采样
• 2、训练阶段
• 3、测试阶段
• 4、集成学习优势示例
• 5、集成学习种但分类器的条件
• 6、Bagging示例
• 7、Bagging算法的优点
• 8、实战：Bagging分类器实现iris数据集分类

1、Bagging：有放回的重采样

  袋装(Bagging)是一种采用随机又放回抽样选择训练数据构造分类器进行组合的方法。如同找医生看病，选择多个医生，根据多个医生的诊断结果得出最终结果(多数表决)，每个医生具有相同的投票权重。

2、训练阶段

  在训练过程中，通过又放回抽样，把训练集变成多份，然后对每份训练集学习一个模型。