旋转森林是一种有效的整体分类器生成技术，其工作原理是使用主成分分析（PCA）旋转原始特征轴，以便可以形成用于学习基础分类器的不同训练集。 本文介绍了旋转林的一种变体，可以将其视为装袋和旋转林的组合。 在这里，使用装袋将更多的随机性注入到“旋转森林”中，以增加整体成员之间的灵活性。 使用UCI储存库中的33个基准分类数据集进行的实验（其中采用分类树作为基础学习算法）表明，该方法产生的整体分类器的错误率低于Bagging，AdaBoost和Rotation Forest。 误差性能的偏差-方差分析表