Generalització apilada
La generalització apilada, o apilament (stacking), és un mètode d'ensemble de dos nivells on els classificadors de nivell base s'entrenen amb les dades originals, i un meta-aprenent (meta-learner) s'entrena amb les prediccions dels classificadors base. El meta-aprenent aprèn com combinar millor les prediccions base en lloc d'utilitzar regles d'agregació fixes. Introduït per David Wolpert el 1992, l'apilament aconsegueix un rendiment d'avantguarda aprenent automàticament els patrons òptims de ponderació i interacció entre els models base.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241-259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- Breiman, L. (1996). Stacked regressions. Machine Learning, 24(1), 49-64. DOI: 10.1023/a:1018046112532 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Stacked Generalization Ensemble. ScholarGate. https://scholargate.app/ca/ensemble-learning/stacked-generalization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bagging EnsembleAprenentatge per conjunts↔ compare
- Boosting EnsembleAprenentatge per conjunts↔ compare
- Votació per majoriaAprenentatge per conjunts↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →