Ансамбль бэггинга

Бэггинг, сокращение от bootstrap aggregating (агрегирование бутстрэп-выборок), представляет собой ансамблевый метод, который снижает дисперсию путем обучения множества копий одного и того же алгоритма обучения на различных случайных подвыборках обучающих данных. Каждая подвыборка создается с помощью бутстрэп-сэмплирования — случайного выбора образцов с возвращением. Прогнозы объединяются путем мажоритарного голосования (классификация) или усреднения (регрессия). Введенный Лео Брейманом в 1996 году, бэггинг является основой для случайных лесов и особенно эффективен для снижения переобучения в моделях с высокой дисперсией.