Apilament Estocàstic Bayesiana
L'apilament bayesià combina les distribucions predictives de diversos models base trobant pesos no negatius que maximitzen la puntuació predictiva logarítmica leave-one-out (LOO) de la barreja. Formalitzat per Yao, Vehtari, Simpson i Gelman (2018), produeix una única distribució predictiva calibrada que, segons es demostra, és com a mínim tan bona com qualsevol model constituent individual sota validació creuada.
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
- Yao, Y., Vehtari, A., Simpson, D., & Gelman, A. (2018). Using stacking to average Bayesian predictive distributions. Bayesian Analysis, 13(3), 917–1007. DOI: 10.1214/17-BA1091 ↗
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Bayesian Stacking Ensemble (Bayesian Stacking of Predictive Distributions). ScholarGate. https://scholargate.app/ca/machine-learning/bayesian-stacking-ensemble
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 (Bootstrap Aggregating)Aprenentatge automàtic↔ compare
- Mitjana de models bayesiansBayesià↔ compare
- BoostingAprenentatge automàtic↔ compare
- Processos GaussianosAprenentatge automàtic↔ compare
- StackingAprenentatge automàtic↔ compare
- Votació en conjuntAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →