Bagging Predictors

Résumé

Introduit l’agrégation bootstrap : ajuster un modèle sur de nombreux rééchantillons bootstrap des données d’entraînement et moyenner les prédictions, ce qui réduit la variance sans augmenter le biais.

Pourquoi c’est important

Il a donné une recette générale, indépendante du modèle, pour transformer un prédicteur instable en prédicteur stable, et a identifié l’instabilité comme la propriété précise qui détermine si le moyennage aide. Les forêts aléatoires et, plus largement, toute la tradition des ensembles en découlent directement.