集成学习——装袋算法

装袋算法可大致概括为：先以分类模型初步处理原数据，再对处理后的数据进行分类的迭代过程。

将原始训练数据D中，以平均抽样的方式，随机生成t个大小相同的数据集D1-Dt。对各个数据集以不同的分类器进行训练，得到初步分类器C1-Ct。

之后，装袋算法的集成方式为：针对原始集中的单个元素，寻找结果y，使该元素对于所得的每组分类器匹配的正确率最高，则该y即为该元素的集成模型预测值。

处理完毕后，再次以分类器进行分类，即为装袋算法。