Michael2021-05-06 19:04:35

学员你好，非常抱歉给你产生了学习的困扰。
bagging指的是一种模型（比如说回归），然后利用不同的样本数据，拟合出同一种类型但是不同的模型，接着利用这些模型进行预测得到了多个预测值，最后将这些预测值进行平均。

举一个简单的例子，小张想利用下个月的收入数据预测自己下一个月的支出情况，已知小张有大量历史的收入和支出的数据，并且小张下个月的收入预计为20000。下面用bagging的方法进行机器学习。
第一步，小张定下自己会使用一元线性回归的方法，结合bagging进行预测；
第二步，由于有大量的历史数据，小张在大量数据中随机选择50个数据，利用这50个数据，得到了收入和支出的关系为：y=a1*X+b1
第三步，带入20000的收入情况，小张找到了第一个预测支出值，假设为y1
第四步，重复第二步到第三步的情况，产生多个不同的回归模型（但是不管参数怎么变，都是回归模型），找出多个预测值y1，y2……
第五步，将所有的预测值求平均，得到最终预测结果

所以，关键词是，一种类型的模型，但是有多个模型预测不同的结果（主要的原因是样本数据不一样），最后求平均。

希望对你有帮助。