关于Bagging

Posted xiashiwendao

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了关于Bagging相关的知识,希望对你有一定的参考价值。

Bagging分为两种:Bagging和Pasting,前者是概率中的放回随机采样,后者是不放回随机采样;默认是放回采样随机;设置bootstrap=False即设置为不放回采样;默认bootstrap=True是放回采样。

对于Bagging(放回采样)有了一个问题,就是总有约37%的样本将不会被任何一个分类器抽中;37%的计算公式如下:

技术分享图片

oob(out of bag),就是使用者37%的样本来对分类器(回归其)进行评估;但是需要设置oob_score=True;另外对于这个参数的设置要注意,只能用于bootstrap=True的场景下;对于不放回采样其实也就不存在outofbag的情况。

bagging的原理就是利用一组样本,通过随机采样的方式来训练多个分类器(回归器),然后再判断的时候采用集体的力量来进行表决,就像抛硬币一样,当你观察了多组数据(每组抛1000次),你就会发现多组的平均趋势是比较合理的。Bagging默认的分类器是决策树,还可以是其他,但是没有研究。

以上是关于关于Bagging的主要内容,如果未能解决你的问题,请参考以下文章

关于数学,关于年少的感动,关于初心

scrapy 关于 rule, 关于多页

JS学习笔记关于选项卡,关于this,关于innerHTML

关于唯典冰淇淋新闻页的布局

关于prototype.js的一些技术说明

主页链接发送到关于/关于页面无法回家