Bagging是一种有代表性的机器学习的组合方法,它在改善弱分类器的稳定性和精度上有着重要的价值,已得到广泛的认可与应用.但它的重抽样技术使其在大数据挖掘中表现不够理想.mBagging是一种对Bagging加以改进的组合方法,克服Bagging一些不足,具有更高的统计功效、更低的假阳率和更快的运算速度.研究阐述mBagging的原理,从理论上探讨mBagging相较于Bagging性能更优的机理,并以皮尔逊相关系数作为基分类器,验证了mBagging的有效性.
科研之友
微信
新浪微博
Facebook
分享链接
