Boosting和Bagging综述  

Survey of Boosting and Bagging

作　　者：沈学华[1] 周志华[1] 吴建鑫[1] 陈兆乾[1] 

机构地区：[1]南京大学计算机软件新技术国家重点实验室，南京 210093

出　　处：《计算机工程与应用》2000年第12期31-32,40,共3页Computer Engineering and Applications

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.Boosting and bagging(bootstrap aggregating) are two methods for improving the accuracy of any given learning algorithm,both of which generate multiple versions of a hypothesis and combine them to create an aggregate hypothesis.This brief survey introduces the two methods,describes some theoretical analyses and empirical evidences of their performance,and presents some applications and future research issues.

关 键 词：机器学习 泛化误差 BOOSTING算法 BAGGING算法 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]