Bagging (Bootstrap Aggregating)
ist eine Methode des Ensemble-Lernens, die verwendet wird, um die
Vorhersagegenauigkeit von Modellen zu verbessern. Sie besteht darin, mehrere
Modelle auf unterschiedlichen Teilmengen von Trainingsdaten zu trainieren und
ihre Vorhersagen zu aggregieren. Bagging wird häufig in Entscheidungsbäumen und
Random Forests eingesetzt.