装袋即“bootstrap aggregation”，是集成学习的一种。为了在数据集上捕获决策树这样的弱学习者，fitrensemble生成数据集的许多引导副本，并在这些副本上生长决策树。fitrensemble通过随机选择获取每个引导副本N观察的N更换,N是数据集大小。为了找到一个训练有素的集体的预测反应，预测对单个树的预测取平均值。

画N的N替换遗漏的观察平均为37% (1/e)对每个决策树进行观察。这些都是“现成的”观察结果。对于每一个观察,oobLoss通过对集合中所有树的预测取平均值来估计袋外预测。然后将计算的预测结果与观测结果的真实响应进行比较。它通过将用于训练的所有观察结果的预测响应与真实响应进行比较，计算出袋外误差。这个外包平均值是真实集合误差的无偏估计。