有關(guān) Bagging 的正確選項是 A、B 和 C。以下是各選項的專業(yè)分析：

| 選項 | 正確性 | 專業(yè)分析 |
|------|--------|----------|
| A: 每輪訓(xùn)練中，各個弱分類器有放回隨機選取訓(xùn)練樣本 | 正確 | Bagging（Bootstrap Aggregating）的核心思想是通過有放回的隨機抽樣產(chǎn)生多個不同的子數(shù)據(jù)集。每個弱分類器是在不同的子數(shù)據(jù)集上進行訓(xùn)練的。 |
| B: 在訓(xùn)練中樣本的權(quán)重保持一致 | 正確 | 在 Bagging 中，各個訓(xùn)練樣本的權(quán)重是在每個子數(shù)據(jù)集上均等的。即沒有對樣本進行加權(quán)，而是通過簡單的平均集成多個模型的預(yù)測。 |
| C: 訓(xùn)練中各弱分類器可以并行訓(xùn)練 | 正確 | 由于 Bagging 中的各個弱分類器是相互獨立的，可以在不同的子數(shù)據(jù)集上獨立訓(xùn)練，因此可以并行化，從而提高訓(xùn)練效率。 |
| D: 每個分類器權(quán)重一致 | 錯誤 | 在 Bagging 中，每個弱分類器的預(yù)測結(jié)果在最終集成時是等權(quán)重的。但此選項的描述容易產(chǎn)生誤解，Bagging 中強調(diào)的是集成時等權(quán)組合預(yù)測，而非訓(xùn)練時分類器的"權(quán)重"。 |

因此，正確的選項是 A、B 和 C。