Stacking
Stacking, o generalització apilada, és un mètode d'ensemble introduït per David Wolpert el 1992 que combina els resultats de diversos models base diferents (Nivell-0) a través d'un meta-model separat (Nivell-1). A diferència del bagging i el boosting, utilitza deliberadament tipus de models heterogenis, i és l'estratègia estàndard de la fase final en les competicions de Kaggle.
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.
+7 more
Fonts
- Wolpert, D.H. (1992). Stacked Generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- van der Laan, M.J., Polley, E.C. & Hubbard, A.E. (2007). Super Learner. Statistical Applications in Genetics and Molecular Biology, 6(1), Article 25. DOI: 10.2202/1544-6115.1309 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Stacked Generalization (Stacking Ensemble with a Meta-Learner). ScholarGate. https://scholargate.app/ca/machine-learning/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.
- Arbre de decisióAprenentatge automàtic↔ compare
- Regressió LogísticaEstadística per a la recerca↔ compare
- Random ForestAprenentatge automàtic↔ compare
- Màquina de Vectors de Suport (Classificació)Aprenentatge automàtic↔ compare
- XGBoostAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →