バギング
ブーストラップ法を使って、全データから訓練データを複数組生成する。
訓練データ1組1組に対してモデルを用意した上で
学習を行い複数の予測結果を出して最終的な予測を行う。
過学習モデルの予測結果にはノイズの影響が含まれているが
ランダムな抽出で訓練データを複数生成して学習すると
ノイズの影響の受け方が異なるモデルを作ることができる。
複数の予測結果を使うことでノイズの影響打ち消
予測値のバリアンス（予測値がどれだけ散らばっているか）を減らす効果がある。
バギングは複数のモデルを作った後に同時並行で学習を進めることができる並列処理を行えば学習にかかる時間は少なくて済む。
ブーストラップ法を行わない方法はペースティングと呼ばれる。