装袋代表“引导聚合”,是一种整体学习。包一个弱学习者如决策树数据集,fitrensemble产生许多引导副本的数据集和决策树生长在这些副本。fitrensemble获得每个引导通过随机选择复制品N观察的N更换,N是数据集的大小。找到的预测响应作为一个训练有素的合奏,预测需要平均预测从单独的树木。

画N的N观察与替代省略了平均(1 / 37%e每个决策树)的观察。这些都是“out-of-bag”观察。对于每一个观察,oobLoss估计out-of-bag预测了平均预测的合奏中所有树木这个观察袋。然后比较了计算预测对的真实反应观察。它计算out-of-bag错误通过对比out-of-bag预测反应对所有观察的真实反应用于培训。这out-of-bag平均是一个真正的整体误差的无偏估计量。