1 集成学习

• 集成学习通过构建多个学习器采用加权的方式来完成学习任务
• 一般来讲，多个学习器同属于一种模型，比如决策树，线性模型，而不会交叉用多种模型
• 为了保证集成学习的有效性，多个弱分类器之间应该满足两个条件
  • 准确性：个体学习器要有一定的准确性，这样才能有好的效果
  • 多样性：学习器之间要有一些差异，完全相同的几个学习器集成起来后几乎不会有提升

2 随机森林

• 随机森林是集成学习中Bagging方式的代表
  • 采样多组训练集，并行训练弱分类器
• 相对于决策树而已，有一个很重要的优点：防止过拟合
  • 防止过拟合的方式与Dropout有点类似
    • 随机选择样本作为训练集（Bootstrap Sampling）
    • 训练集中特征随机选择

2.1 Bootstrap Sampling

• Bootstrap Sampling 是一种统计学上的采样方法
  • 对于有m个样本的数据集D，进行m次有放回采样得到数据集D' 
  • 这样D与D'的大小一致。
  • 有放回采样使得中D'有的样本重复出现，有的样本则没有出现
• 某个样本在m次采样中使用没有被采到的概率为
  • 当m趋近于∞时
    • 
  • ——>D中样本差不多63.2%在D'中
• 用这种方式采样B个样本集
  • 对这B个样本集分别训练一个基学习器

2.2 决策

决策时，在分类任务中通常采用投票法，若两个类别票数一样，最简单的做法是随机选择一个；

而回归任务则一般使用平均法

2.3 基学习器和随机森林

• 早期的Bagging方法是每个基学习器都是一个决策树，完全按照决策树的规则建树
• 随机森林则在Bagging的基础继续采用特征随机，每个基学习器只对在k个特征构成的子集下进行建树
  • 随机选择k个特征
  • 一般k=logd
  • ——>这样构建的决策树相对于完整的决策树是一个“浅决策树”，这样就构成了特征的随机性

3 随机森林的偏差和方差（bias，variance）

• 因为基学习器相同，因此各个学习器有近似的Bais和Variance
• bias

   

  • 
  • 
• Variance
  • 如果各个基学习器独立
  • 
  • Bagging通过降低Variance来防止过拟合
  • 严格来说每个学习器之间不严格独立，所以Variance的降低会小于B倍

   

  参考内容：【机器学习】随机森林 (qq.com)