bagging，boosting和随机森林是应用最为广泛的三类集成学习算法。
Bagging算法定义如下，给定大小为n的数据集，算法采用Bootstrap抽样，得到m个新的训练数据集Di，每个数据集大小均为你，通过这m个样本集得到m个模型，然后通过求平均（回归问题）或者投票方法（分类问题）来选择最优的模型。
相关汉字解释：
