sklearn中的集成学习之Bagging与Pasting

虽然有很多的机器学习方法，但从投票角度来看仍然不够多。所以需要创建更多的子模型，并且子模型之间不能一致，必须要有差异。
如何创造这种差异性呢？可以每个子模型只看一部分的数据。
比如一共有五百个数据，每个子模型只看其中的100个数据。

假设每个子模型有51%的准确率；

假如我们只有一个子模型，那么整体准确率为：51%； 假如我们有三个子模型，那么整体准确率为： 假如我们有500个子模型，并且有251个子模型预测对结果（251个），那么整体准确率为： 假如子模型的准确度更高一点，能达到60%： 并且有251个子模型预测对结果（251个），那么整体准确率为：

在取样中，有放回取样和不放回取样两种方式。前者被称为Bagging，后者被称为Pasting。Bagging在实际应用中更常见。

sklearn中的使用：

from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import BaggingClassifier

bagging_clf = BaggingClassifier(DecisionTreeClassifier(), n_estimators=500, 
                                max_samples=100, bootstrap=True)
# n_estimators是集成多少个tree; bootstrap是否放回取样


bagging_clf.fit(X_train, y_train)
bagging_clf.score(X_test, y_test)

【以上是学习自liuyubobobo的课程】