Bagging

'Bagging'은 "Bootstrap Aggregating"의 약자로, 머신러닝에서 모델의 안정성과 정확성을 향상시키기 위해 사용되는 앙상블 기법입니다. 이 방법은 데이터 샘플을 여러 번 부트스트랩 방식으로 랜덤하게 추출하여 각 샘플에 대해 개별 모델을 학습시킨 후, 이들 모델의 예측 결과를 평균 내거나 투표를 통해 결합하는 방식입니다. bagging은 특히 결정 트리와 같은 불안정한 모델에서 성능을 개선하는 데 효과적이며, 과적합을 줄이고 일반화 능력을 높이는 데 도움을 줍니다. 대표적인 예로 랜덤 포레스트가 있습니다.