在誤差完全相關(guān)即 c = v 的情況下,均方誤差減少到 v,所以模型平均沒(méi)有任何幫助。在錯(cuò)誤完全不相關(guān)即 c = 0 的情況下,該集成平方誤差的期望僅為 1/k * v。這意味著集成平方誤差的期望會(huì)隨著集成規(guī)模增大而線性減小。換言之,平均上,集成至少與它的任何成員表現(xiàn)得一樣好,并且如果成員的誤差是獨(dú)立的,集成將顯著地比其成員表現(xiàn)得更好。

Bagging是一種允許重復(fù)多次使用同一種模型、訓(xùn)練算法和目標(biāo)函數(shù)的方法。

總結(jié)

以上是生活随笔為你收集整理的Bagging(bootstrap aggregating)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。