배깅 문서 원본 보기

{{위키데이터 속성 추적}}
{{기계 학습}}
[[파일:Ozone.png|섬네일]]
'''배깅'''({{llang|en|bagging}})은 '''bootstrap aggregating'''의 줄임말로 [[통계적 분류]]와 [[회귀 분석]]에서 사용되는 [[기계 학습]] 알고리즘의 안정성과 정확도를 향상시키기 위해 고안된 일종의 [[앙상블 학습법]]의 [[메타 알고리즘]]이다. 또한 배깅은 [[분산]]을 줄이고 [[과적합]]({{lang|en|overfitting}})을 피하도록 해준다. [[결정 트리 학습법]]이나 [[랜덤 포레스트]]에만 적용되는 것이 일반적이기는 하나, 그 외의 다른 방법들과 함께 사용할 수 있다.

== 설명 ==
크기 n인 훈련 집합({{lang|en|training set}}) <math>D</math>가 주어졌을 때, 배깅은 [[단순 무작위 추출법|복원 표본추출]]({{lang|en|sampling with replacement}}) 방법과 균등 확률분포를 이용해 각각의 크기가 ''n′ 인   m개의'' 새로운 훈련 집합 <math>D_i(i = 1,2,\cdots,m)</math>을 생성한다. 복원 표본추출 이기 때문에 일부 관측 데이터는 각 <math>D_i</math>에 반복해서 나타날 수 있다. 이러한 샘플을 부트스트랩({{lang|en|bootstrap}}) 샘플이라 한다. ''m''개의 모델은 ''m''개의 부트스트랩 샘플들을 이용해 만들어지고 결과를 평균([[회귀분석]]의 경우) 또는 투표([[분류]]의 경우)를 통해 결합한다.

== 같이 보기 ==
* [[부스팅]]
* [[부트스트랩 (통계학)]]
* [[교차타당도]]
* [[랜덤 포레스트]]
* [[예측 분석]]

== 각주 ==
{{참고 자료 시작}}
* {{저널 인용
 | last = Breiman
 | first = Leo
 | author-link = Leo Breiman
 | title = Bagging predictors
 | journal = [[Machine Learning (journal)|Machine Learning]]
 | volume = 24
 | issue = 2
 | pages = 123–140
 | year = 1996
 | citeseerx = 10.1.1.32.9399
 | doi = 10.1007/BF00058655
| s2cid = 47328136
 }}
* {{저널 인용
 | last = Alfaro
 | first = E., Gámez, M. and García, N.
 | title = adabag: An R package for classification with AdaBoost.M1, AdaBoost-SAMME and Bagging
 | year = 2012
 | url = https://cran.r-project.org/package=adabag
}}
* {{저널 인용
 | last = Kotsiantis
 | first = Sotiris
 | title = Bagging and boosting variants for handling classifications problems: a survey
 | journal = Knowledge Eng. Review
 | volume = 29
 | issue = 1
 | year = 2014
 | pages = 78–100
 | doi = 10.1017/S0269888913000313
 | s2cid = 27301684
 }}
* {{서적 인용|first1=Bradley |last1=Boehmke |first2=Brandon |last2=Greenwell |chapter=Bagging |pages=191–202 |title=Hands-On Machine Learning with R |publisher=Chapman & Hall |year=2019 |isbn=978-1-138-49568-5 }}
{{참고 자료 끝}}

{{전거 통제}}
{{토막글|통계학}}

[[분류:기계 학습]]
[[분류:기계 학습 알고리즘]]
[[분류:계산통계학]]