Bagging(装袋法)，bootstrap aggregating(自举汇聚法) 的简称，是一个通过组合多个模型来减少泛化误差的技术。其原理是单独训练数个不同的模型，然后让多个模型在测试集的输出上投票。这是一个在机器学习中普遍应用的被称作model averaging(模型平均) 的策略。使用这种策略的技术被称作ensemble methods(集成方法)。值得一提的是，dropout其实就是

基因组规模上的聚合数据类型的相似性网络融合 （本文是对similarity network fusion for aggregating data types on a genomic scale 整体文章的翻译，对于后面理论公式部分可以参照该朋友的笔记） 摘要 近期的技术已经使收集不同类型的全基因组数据十分划算，结合这些数据去创建一个给定的疾病或生物过程的一个全面视图的计算方法是有必要的。