Leo Breiman

Bagging算法 （英語：Bootstrap aggregating，引導聚集算法），又稱裝袋算法，是機器學習領域的一種集成學習算法。最初由Leo Breiman於1994年提出。Bagging算法可與其他分類、回歸算法結合，提高其準確率、穩定性的同時，透過降低結果的變異數，避免過擬合的發生。 给定一个大小为

(At the Göttinger DigitalisierungsZentrum web site （页面存档备份，存于互联网档案馆）) Leo Breiman. Probability. Original edition published by Addison-Wesley, 1968; reprinted

這個術語是1995年由貝爾實驗室的何天琴（英语：Tin Kam Ho）所提出的隨機決策森林（random decision forests）而來的。 然后Leo Breiman（英语：Leo Breiman）和Adele Cutler（英语：Adele Cutler）發展出推論出隨機森林的演算法。而"Random Forests"是他們的商標。

LogitBoost, RobustBoost, Boostexter and alternating decision trees Leo Breiman. BIAS, VARIANCE, AND ARCING CLASSIFIERS (PDF). TECHNICAL REPORT. 1996

Ergodic Problems of Classical Mechanics. New York: W.A. Benjamin. 1968. Leo Breiman, Probability. Original edition published by Addison-Wesley, 1968; reprinted