Bagging算法

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

给定一个大小为<math>n</math>的训练集<math>D</math>，Bagging算法从中均匀、有放回地（即使用自助抽样法）选出<math>m</math>个大小为<math>n'</math>的子集<math>D_i</math>，作为新的训练集。在这<math>m</math>个训练集上使用分类、回归等算法，则可得到<math>m</math>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。