k-近邻方法基于单一k值预测，无法兼顾不同实例可能存在的特征差异，总体预测精度难以保证．针对该问题，提出了一种基于Ｂａｇｇｉｎｇ的组合k-NN预测模型，并在此基础上实现了具有属性选择的Ｂｇk-NN预测方法．该方法通过训练建立个性化预测模型集合，各模型独立生成未知实例预测值，并以各预测值的中位数作为组合预测结果．Ｂｇk-NN预测可适用于包含离散值属性及连续值属性的各种类型数据集．标准数据集上的实验表明，Ｂｇk-NN预测精度较之传统k-NN方法有了明显提高．