Boosting和Bagging综述

被引：66

作者：

沈学华

周志华

吴建鑫

陈兆乾

机构：

[1] 南京大学计算机软件新技术国家重点实验室!南京

来源：

计算机工程与应用 | 2000年 / 12期

关键词：

机器学习; 泛化误差; 分类; 回归;

D O I：

暂无

中图分类号：

学科分类号：

摘要：

Boosting 和 Bagging 是两种用来提高学习算法准确度的方法,这两种方法通过构造一个预测函数系列,然后以一定的方式将它们组合成一个预测函数.文章将介绍这两种方法以及对他们进行的一些理论分析和实验,并对它们的应用以及将来可能的研究进行讨论.

引用

页码：31 / 32+40 +40

页数：3

共 5 条

[1]

Boosting the Margin: A New Explanation for the Effectiveness of Voting Methods[J] . Robert E. Schapire,Yoav Freund,Peter Bartlett,Wee Sun Lee.The Annals of Statistics . 1998 (5)

[2] A decision-theoretic generalization of on-line learning and an application to boosting [J].

Freund, Y ;

Schapire, RE .

JOURNAL OF COMPUTER AND SYSTEM SCIENCES, 1997, 55 (01) :119-139

[3] Bagging predictors [J].

Breiman, L .

MACHINE LEARNING, 1996, 24 (02) :123-140

[4] THE STRENGTH OF WEAK LEARNABILITY [J].

SCHAPIRE, RE .

MACHINE LEARNING, 1990, 5 (02) :197-227

[5] A THEORY OF THE LEARNABLE [J].

VALIANT, LG .

COMMUNICATIONS OF THE ACM, 1984, 27 (11) :1134-1142

← 1 →