Bayesian Bagging

Bayesian Bagging ersetzt den klassischen Bootstrap durch den Bayesian Bootstrap – das Ziehen Dirichlet-verteilter Gewichte über Trainingsbeobachtungen anstelle von Stichproben mit Zurücklegen – und trainiert ein Ensemble von Basislernern unter diesen Gewichten. Das Ergebnis ist ein prinzipienfester Ensemble, der eine bayesianische Posterior-Verteilung über Vorhersagen approximiert und kalibrierte Unsicherheitsschätzungen neben hoher prädiktiver Genauigkeit liefert.