💡
concept
模型平均（Bagging算法）
**Bagging（Bootstrap Aggregating）**：通过自助采样（bootstrap）生成多个训练集，分别训练模型，最后将预测结果平均（回归）或投票（分类）。 **Bootstrap**：从原始数据中有放回地抽样，生成与原始数据量相同的新样本。每个bootstrap样本大约包含63.2%的原始数据。 Bagging通过降低方差来提高模型稳定性。对决策树特别有效，因为单棵树方差大。
📖 定义
Bagging（Bootstrap Aggregating）：通过自助采样（bootstrap）生成多个训练集，分别训练模型，最后将预测结果平均（回归）或投票（分类）。
Bootstrap：从原始数据中有放回地抽样，生成与原始数据量相同的新样本。每个bootstrap样本大约包含63.2%的原始数据。
Bagging通过降低方差来提高模型稳定性。对决策树特别有效，因为单棵树方差大。