Bagging é uma técnica de combinação que utiliza um único modelo para todos os dados.

Bagging envolve a combinação de modelos simples treinados em diferentes subconjuntos dos dados para reduzir a variância.

Bagging reduz o viés do modelo ao combinar múltiplos modelos complexos.

Bagging aplica transformação nos dados para aumentar a quantidade de atributos.

Bagging combina diferentes algoritmos de aprendizado supervisionado e não supervisionado.