Bagging与随机森林------机器学习

上一篇博文中我们介绍了串行训练基分类器的方法--Boosting以及它的代表性算法AdaBoost，接下来我们一起了解一下并行训练基分类器的方法---Bagging，这种方式中基分类器并没有依赖关系。

Bagging

Bagging是并行式集成方式最著名的代表，它直接基于自助采样法。给定包含m个样本的数据集，我们使用有放回的采样方式进行m次采样，每次采样一个样本，这样经过m次我们还是得到了m个样本的数据集，初始训练集中有的样本在采样集中多次出现，有的从来没有出现，可以计算出有多少样本在m次采样中从来没有出现过：

上面这个式子应该不难理解，一次采样中，被采到的概率是1/m，没有被采到的概率是1-1/m，那么如果m次都没有采到，这样的概率就是上面的计算结果。

照这样，我们可以采样出T个含m个训练样本的采样集，然后基于每个采样集训练出一个基学习器，再将这些基学习器进行结合，这就是Bagging的基本流程。在对预测结果进行结合时，Bagging通常对分类任务使用简单的投票法，对于回归任务使用简单平均法。如果分类任务中出现两个类收到同样票数的情况，最简单的做法就是随机选择一个。

Bagging中训练基分类器的好而不同体现在哪里？？ 首先好体现在训练基分类器都是基于误差率最小的情况，不同体现在徇烂基分类器的样本不同，每含有m个样本都是进过随机采样的，这样得到的T个含m个样本的训练集肯定不一样。

上面说到自助采样的过程