遇到一个分类问题，需要用到集成学习，多数样本和少数样本的比例大概是3000：80，不平衡，特征大概70个。整个思路是：一方面先将特征集聚类，然后从每个类中选出有代表性的类构成特征空间，再随机从特征空间中抽取特征子空间；另一方面，为了解决数据不平衡问题，用Bootstrap从多数样本中抽取子集，子集数目和少数样本一样多，这样和少数样本组成平衡的集合。最后用特征子空间和平衡的样本组成的集合通过SVM训练基分类器，最终通过多数投票策略整合结果。这个过程想用R语言实现，发现用的包主要是caret，函数是train(),trainControl(),还有bag()函数，但是一直没有搞懂bag()函数是用来做什么的，这几个函数的关系是怎么样的，非常困扰，市面上参考的书虽然有，但集成学习这一块都讲的特别简单，不知道大家有没有可以通过掉包调参实现这个过程的方法，或者要自己编程，过程该怎么实现？感激不尽！祝好！