集成算法中的bootstrap抽样

bootstrap也称为⾃助法，它是⼀种有放回的抽样⽅法，⽬的为了得到统计量的分布以及置信区间，其算法过程如下：
A）从原始样本集中抽取训练集。每轮从原始样本集中使⽤Bootstraping的⽅法抽取n个训练样本（在训练集中，有些样本可能被多次抽取到，⽽有些样本可能⼀次都没有被抽中）。共进⾏k轮抽取，得到k个训练集。（k个训练集之间是相互独⽴的）
B）每次使⽤⼀个训练集得到⼀个模型， k个训练集共得到k个模型。（注：这⾥并没有具体的分类算法或回归⽅法，我们可以根据具体问题采⽤不同的分类或回归⽅法，如决策树、感知器等）
C）对分类问题：将上步得到的k个模型采⽤投票的⽅式得到分类结果；对回归问题，计算上述模型的均值作为最后的结果。（所有模型的重要性相同）