Kas nutiks, jei taikysime baggingą linijiniams algoritmams?

Bagging (bootstrap aggregating) taikymas lineariems algoritmams paprastai nesukelia reikšmingo našumo pagerinimo. Tai susiję su tuo, kad linijiniai modeliai paprastai turi mažą dispersiją ir aukštą nuokrypį. Bagging yra veiksmingas modeliams su dideliu dispersijos lygiu (pavyzdžiui, sprendimų medžiai), nes jis sumažina kintamumą per vidurkį.

Taikant baggingą linijiniams modeliams:

• Modelių, mokytų skirtinguose pogrupiuose, vidurkis nesumažina reikšmingai klaidos.
• Jis gali šiek tiek padidinti atsparumą triukšmui, tačiau nauda dažnai būna nereikšminga.