在誤差完全相關即 c = v 的情況下,均方誤差減少到 v,所以模型平均沒有任何幫助。在錯誤完全不相關即 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隨著集成規模增大而線性減小。換言之,平均上,集成至少與它的任何成員表現得一樣好,并且如果成員的誤差是獨立的,集成將顯著地比其成員表現得更好。

Bagging是一種允許重復多次使用同一種模型、訓練算法和目標函數的方法。

總結

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

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。