机器学习装袋算法与随机森林

EdVzAs

于 2021-07-31 19:35:22 发布

阅读量1.7k

点赞数

CC 4.0 BY-SA版权

文章标签：机器学习 Bagging 随机森林

本文链接：https://blog.csdn.net/weixin_46131409/article/details/119280241

本文深入探讨了机器学习中的装袋算法及其在回归和分类问题中的应用，详细介绍了装袋算法的概念、步骤及优缺点。接着转向随机森林，阐述了随机森林的基本原理、投票机制，包括简单投票和贝叶斯投票，并分析了随机森林的优缺点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一.装袋算法
1.概述
(1)概念:

"自举聚集算法/装袋算法"(Bootstrap Aggregating;Bagging)是1种团体学习算法,最初由Leo Breiman于1996年提出.该算法可与其他分
类/回归算法结合,提高其准确率/稳定性并通过降低结果的方差来避免过拟合.其基本想法是分别训练几个不同的模型,然后让各模型对测试样本的
结果进行投票/取平均值,从而决定最终的预测结果,即进行"模型平均"(Model Averaging)
<