Bagging nedir?

Bagging (Bootstrap Aggregating), makine öğreniminde bir topluluk yöntemidir ve modellerin kararlılığını ve doğruluğunu artırır. Temel fikir, orijinal verilerin farklı rastgele alt kümelerinde (bootstrap ile geri dönüşlü) birkaç model eğitmek ve ardından tahminlerini ortalamaktır (regresyon için) veya en sık görülen sınıfı seçmektir (sınıflandırma için).

Bagging avantajları:

• Modelin varyansını azaltarak aşırı uyumu (overfitting) engeller.
• Verilerdeki gürültüye karşı dayanıklılığı artırır.

Örnek: Rastgele Orman, bagging kullanılarak inşa edilen karar ağaçları topluluğudur.

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

# Temel model
base_clf = DecisionTreeClassifier()

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