↑: [[G検定に関する知識]]
- アンサンブル学習の一種：[[ブートストラップサンプリング]]で複数モデルを**並列**に学習
- 並列学習 ← モデルを直列に学習させるのは[[ブースティング]]（重要な違い）
- 分類→多数決、回帰→平均で集約
- **特徴量のランダム選択は必須ではない** ← [[ランダムフォレスト]]の特徴（誤答パターン注意）
- 効果: 予測のばらつきを減らし過学習を抑制（汎化性能向上）
- [[ランダムフォレスト]]はバギング＋特徴量のランダム選択を組み合わせた発展形
- Bagging = Bootstrap Aggregating の略
- 元データから復元抽出で少しずつ違うデータセットを作り、それぞれで独立して学習
- 「バギングは並列・独立学習」（ブースティングは直列と対比）
- cf. [[ランダムフォレスト]], [[ブースティング]], [[アンサンブル学習]]