Bagging nədir?

Bagging (Bootstrap Aggregating) — maşın öyrənmədə ansambl metodudur və modellərin sabitliyini və dəqiqliyini artırır. Əsas fikir — müxtəlif təsadüfi alt nümunələr üzərində (bootstrap ilə) bir neçə modeli öyrətmək və onların proqnozlarını orta hesabla çıxmaq (regressiya üçün) və ya ən çox rast gəlinən sinfi seçmək (sinifləndirmə üçün).

Bagging-in üstünlükləri:

• Modelin dispersiyasını azaldaraq overfitting-i (həddindən artıq uyğunlaşmanı) qarşısını alır.
• Məlumatlardakı səs-küyə qarşı davamlılığı artırır.

Nümunə: təsadüfi meşə — bu, bagging istifadə edilərək qurulan qərar ağaclarının ansamblidir.

from sklearn.ensemble import BaggingClassifier
from sklearn.tree import DecisionTreeClassifier

# Əsas model
base_clf = DecisionTreeClassifier()

# 10 model ilə bagging
bagging_clf = BaggingClassifier(base_estimator=base_clf, n_estimators=10, random_state=42)
bagging_clf.fit(X_train, y_train)