下列哪一個方法能在建模過程中添加隨機噪訊，來解決模型變異過高的問題？
A拔靴集成法(Bootstrap Aggregating)正確答案
BXGBoost(eXtreme Gradient Boosting)
C支援向量機(Support Vector Machine)
D生成式對抗網路(Generative Adversarial Networks)
答案與詳解
為什麼答案是 A
Bootstrap Aggregating（Bagging）對原始資料集進行有放回的隨機重抽樣，每次抽出的子集略有差異（等同添加隨機噪訊），訓練多個弱學習器後投票/平均，有效降低模型的高變異（Overfitting）問題。隨機森林是其最知名應用。
考點：降低Variance/集成學習考點：降低Bias/梯度提升考點：分類/核函數方法考點：生成模型/深度學習
載入中…
