Nell'apprendimento automatico, il bagging (contrazione di bootstrap aggregating) è una tecnica dell'apprendimento d'insieme in cui più modelli dello stesso tipo vengono addestrati su insiemi di dati diversi, ciascuno ottenuto da un insieme di dati iniziale tramite campionamento casuale con rimpiazzo (bootstrap). Il nome bagging deriva quindi dall'applicazione della tecnica del bootstrap con l'aggregazione di più modelli (aggregating).
La foresta casuale è un modello che estende l'idea base del bagging introducendo anche la diversificazione dei modelli componenti (alberi di decisione) prevedendo per ognuno un diverso campionamento delle feature di input.
Note
Categoria:Intelligenza artificiale Categoria:Algoritmi per l'apprendimento automatico