bagging 侧重于降低方差 方差-variance 方差描述的是预测值的变化范围,离散程度,也就是离期真实值的距离.方差过大表现为过拟合,训练数据的预测f-score很高,但是验证或测试数据的预测f-score低很多.实际应用中表现为对新数据的泛化能力弱.例如:一个模型学习加减法运算,模型记忆能力非常好,对他所有训练过的数据,他都能做出精准的运输,但是一旦看到他没有见过的数据,就算不出来了.模型记住了历史的学习结果,但是没有真正掌握加减法运算规律:属于死记硬背的模型,不能灵活运用,这就过拟合