Leo Breiman

概述 (50-200字符)

美国统计学家，贝尔实验室统计科学部前研究员，集成学习奠基人，提出 Bagging（1996）和随机森林（2001）算法。

关键内容 (≥300字符, 用双链)

1. 学术背景：Leo Breiman 是 20 世纪最重要的统计学家之一，长期在加州大学伯克利分校任教，曾在贝尔实验室统计科学部工作。他的研究横跨统计学、机器学习和数据科学。
2. 核心贡献：1996 年提出 Bagging（自举聚合）（Bootstrap Aggregating），证明通过对训练集有放回抽样并聚合多个独立模型的预测，可以显著降低高方差模型的误差。2001 年融合 Bagging 与随机特征子集提出 随机森林（Random Forests），成为表格数据上最强的算法之一。
3. CART 算法：Breiman 与 Jerome Friedman、Richard Olshen 和 Charles Stone 共同开发了分类与回归树（CART）算法，为决策树建立了严格的数学框架。随机森林中的每棵树都是 CART 树。
4. 历史影响：他的工作直接催生了 XGBoost、LightGBM 等梯度提升树算法。深度学习崛起之前，随机森林是 Kaggle 竞赛的绝对主力；至今仍在表格数据领域与梯度提升方法并列最强。

来源

• [Breiman, L. (2001). Random forests. Machine learning, 45(1), 5–32.] — 随机森林原始论文

相关

• 随机森林（Random Forests） — created
• Bagging（自举聚合） — created
• Random Forests (Breiman 2001) — author_of