Bootstrap Aggregating, znane również jako bagging, to metoda uczenia zespołowego stosowana w uczeniu maszynowym w celu poprawy stabilności i dokładności algorytmów klasyfikacji oraz regresji. Algorytm polega na tworzeniu wielu losowych podzbiorów danych treningowych za pomocą generowania prób bootstrapowych, czyli losowania ze zwracaniem. Na każdym z tak przygotowanych podzbiorów niezależnie i równolegle trenowany jest osobny model bazowy, którym najczęściej jest drzewo decyzyjne. Ostateczna prognoza całego zespołu powstaje poprzez agregację wyników wszystkich modeli, na przykład za pomocą uśredniania w przypadku regresji lub głosowania większościowego w zadaniach klasyfikacji.
Źródło: en.wikipedia.org
