2020-03-31
阅读量:
540
boostrap得到的自助集是相互独立的吗？
随机森林算法中要让基分类器尽量都不一样，一种很容易理解的方法是使用不同的训练集来进行训练，袋装法正是通过有放回的随机抽样技术来形成不同的训练数据， bootstrap就是用来控制抽样技术的参数。
boostrap抽样方法就是在一个含有n个样本的原始训练集中，我们进行随机采样，每次采样一个样本，并在抽取下一个样本之前将该样本放回原始训练集，也就是说下次采样时这个样本依然可能被采集到，这样采集n次，最终得到一个和原始训练集一样大的， n个样本组成的自助集。由于是随机采样，这样每次的自助集和原始数据集不同，和其他的采样集也是不同的。这样我们就可以自由创造取之不尽用之不竭，并且互不相同的自助集，这些自助集在统计意义上是相互独立的
8.3195
2
4
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
CDA持证人阿涛哥
2023-06-20
0条评论
CDA持证人阿涛哥
2021-03-31
0条评论
CDA持证人阿涛哥
2021-03-30
0条评论