バギング

出典: フリー百科事典『ウィキペディア(Wikipedia)』
移動先: 案内検索

ブートストラップ・アグリゲーティング: Bootstrap aggregating)またはバギング(bagging)は、統計的分類および回帰で使われる機械学習アルゴリズムの安定性と精度を改善するために設計された機械学習アンサンブル英語版メタアルゴリズムである。バギングは分散を縮小させ、過剰適合を避けることも助ける。通常は決定木英語版手法に適用されるものの、どんな手法にも使うことができる。バギングはモデル平均化手法の特殊な場合である。

歴史[編集]

Bagging (Bootstrap aggregating) は、ランダムに生成された訓練セットの分類を組み合わせることによって分類を改善するために1994年にレオ・ブレイマン英語版によって提唱された。