რა არის bagging და რატომ ამცირებს მოდელის ცვალებადობას?

Bagging (Bootstrap Aggregating) — მოდელების ანსამბლეის მეთოდია, სადაც ბუსტრეპის (მშობლიური მონაცემებიდან შემთხვევითი შერჩევა დაბრუნებით) გამოყენებით მრავალი სასწავლო ნიმუში იქმნება. თითოეულ ნიმუშზე ცალკე მოდელი იწარმოება, ხოლო საბოლოო პროგნოზი მიიღება ყველა მოდელის შედეგების საშუალო ან ხმათა რაოდენობით.

რატომ ამცირებს bagging ვარიანტს:

• თითოეული მოდელი სწავლება მცირე განსხვავებულ მონაცემებზე, ამიტომ მოდელების შეცდომები არ არის სრულად კოორდინირებული.
• შედეგების საშუალო გამოთვლა ამცირებს ინდივიდუალური მოდელების შემთხვევით შეცდომებს.
• შედეგად, ანსამბლეი უფრო მდგრადია გადამზადებისა და მონაცემებში ხმაურის მიმართ.

ასე რომ, bagging ამცირებს მოდელის განაწილებას (ვარიანტს), ზრდის მისი სტაბილურობას და ზოგადსაკანონმდებლო უნარს.