バギングアンサンブル

バギング（bootstrap aggregatingの略）は、単一の学習アルゴリズムの複数のコピーを、トレーニングデータの異なるランダムなサブセットでトレーニングすることにより、バリアンスを低減するアンサンブル手法です。各サブセットは、ブートストラップサンプリング（復元抽出によるランダムなサンプリング）によって作成されます。予測は、多数決（分類）または平均（回帰）によって結合されます。1996年にLeo Breimanによって導入されたバギングは、ランダムフォレストの基礎を形成し、高バリアンスモデルにおける過学習の削減に特に効果的です。