Bagging (Bootstrap Aggregating) is een ensemble machine learning-techniek waarbij meerdere modellen worden getraind op verschillende random samples van dezelfde trainingsdata. De voorspellingen van alle modellen worden vervolgens gecombineerd.

Dit reduceert overfitting en verbetert de generaliseringsnauwkeurigheid van het model. Random forests zijn een populair voorbeeld van bagging met beslissingsbomen.