Bagging方法的基本思想实现

在Bagging集成当中，我们并行建立多个弱评估器（通常是决策树，也可以是其他非线性算法），并综合多个弱评估器的结果进行输出。当集成算法目标是回归任务时，集成算法的输出结果是弱评估器输出的结果的平均值，当集成算法的目标是分类任务时，集成算法的输出结果是弱评估器输出的结果少数服从多数。

eg：
（1）当集成算法是分类任务的时候

假设我们有10个弱评估器，对某个样本的判别（三分类， 0，1，2）情况如下：

那么我们如何少数服从多数呢？

1.用np.bincount计算每个数值出现的次数

2.用np.argmax返回最大值的索引，这里十分巧妙的是，索引的顺序是类别

如果是二分类，涉及到有一些负数类别的

如果评估器的数量是偶数，而少数和多数刚好一致怎么办？

（2）当集成算法是回归任务的时候