Índice:
Definição - O que significa Bagging?
A agregação de "ensacamento" ou bootstrap é um tipo específico de processo de aprendizado de máquina que usa o aprendizado por conjunto para desenvolver modelos de aprendizado de máquina. Pioneira na década de 1990, essa técnica utiliza grupos específicos de conjuntos de treinamento, nos quais algumas observações podem ser repetidas entre diferentes conjuntos de treinamento.
Techopedia explica Bagging
A idéia de ensacamento tem sido amplamente utilizada no aprendizado de máquina para criar um melhor ajuste para os modelos. A idéia é que, se você usar várias unidades independentes de aprendizado de máquina, elas poderão funcionar coletivamente melhor do que uma unidade que teria mais recursos.
Para ilustrar realmente como isso funciona, pense em cada parte do processo de ensacamento como um cérebro individual. Sem ensacamento, o aprendizado de máquina consistiria em um cérebro realmente inteligente trabalhando em um problema. Com o ensacamento, o processo consiste em muitos "cérebros fracos" ou cérebros menos fortes que colaboram em um projeto. Cada um deles tem seu domínio de pensamento e alguns desses domínios se sobrepõem. Quando você reúne o resultado final, ele é muito mais evoluído do que seria com apenas um "cérebro".
Num sentido muito real, a filosofia do ensacamento pode ser descrita por um axioma muito antigo que antecede a tecnologia há alguns anos: "duas cabeças pensam melhor que uma". No ensacamento, 10, 20 ou 50 cabeças são melhores que uma, porque os resultados são tomados por completo e agregados em um resultado melhor. O ensacamento é uma técnica que pode ajudar os engenheiros a combater o fenômeno do "ajuste excessivo" no aprendizado de máquina, onde o sistema não se encaixa nos dados ou na finalidade.
