Ансамбъл Bagging

Bagging, съкратено от бутстрап агрегиране (агрегиране чрез бутстрап), е ансамблов метод, който намалява вариацията чрез обучение на множество копия на един и същ алгоритъм за машинно обучение върху различни случайни подмножества от данните за обучение. Всяко подмножество се създава чрез бутстрап семплиране – случайно извличане на извадки с връщане. Предвижданията се комбинират чрез гласуване с мнозинство (класификация) или осредняване (регресия). Въведен от Leo Breiman през 1996 г., bagging е основата за случайни гори (random forests) и е особено ефективен за намаляване на свръхобучението (overfitting) при модели с висока вариация.