1、事实上,考虑PFLD上的bagging作用,很显然,基于bagging的分类器所产生的泛化误差变化,与初始分类器泛化误差有关,并收敛于一个较小训旁厅渗练样本集上分类器伏纤的泛化误差。
2、分类器的不稳定性,通过计算原始训练集的引导副本所引起的测试集分类变动来作为衡量依据。
3、一个xx(一个什么不知道,需要上文)对训练集进行抽样,并生成一系列独立随机的引导副本,各建造一个分类器,在最终决策规则中运脊通过简单多数表决进行汇总。
1,事实上,考虑的PFLD装袋影响,它可以清楚地看到,袋装分类泛化误差是建立在分类的泛化错误的方向,在原来的分类泛化误差转移一个较小的训练样本集。
2,分类的不稳定凯亏粗性是盯镇衡量计算在原来的训练数据集的引导复制造成的空镇测试集的分类变化
三、一个样本的训练集,进行随机法,建立了独立复制这其中的没态每一分类,聚集他们以简单多数投票在最后的决岩宴策规则枯枣源。