集成学习【三】:Bagging结合神经网络及代码实现

集成学习:Bagging

  • 一、Bagging背景
  • 二、算法简介
  • 三、Bagging算法设计思路及Keras实现
    • 4.1 新数据集的产生
    • 4.2 训练多个分类器并保存
    • 4.3 结合策略输出最终值
    • 4.4 完整代码示例

本篇继续介绍第二种集成方法Bagging,首先给出训练效果,使用的CNN,和上一篇一致。
集成学习【三】:Bagging结合神经网络及代码实现_第1张图片

一、Bagging背景

Bootstrap Aggregated是并行式集成学习方法最著名的代表,简称Bagging。

二、算法简介

Bagging算法思想很简单,就是对原训练集采取自助采样(bootstrap sampling)的方式,得到若干个新训练集。一个新训练集对应训练一个学习器(分类器),因为训练集的样本分布不同,训练得到的学习器就更具多样化。最后采用结合策略(比如投票法)将各个分类器的预测值进行整合

你可能感兴趣的:(集成学习,机器学习)