バギング

バギングとは、ブートストラップサンプリングで作った複数のデータセットから別々にモデルを学習させ、最後に多数決や平均で予測をまとめるアンサンブル手法です。

各モデルが見るデータが少しずつ違うことで、モデルの偏りが平均化され、安定した予測が得られます。並列に学習できるため、計算効率もよいのが特長です。

ランダムフォレストはバギングの代表例で、安定性の高さから実務でも広く使われます。