Stacking
Stacking, neboli vrstvená generalizace, je ansámblovací metoda zavedená Davidem Wolpertem v roce 1992, která kombinuje výstupy několika různých základních modelů (úroveň 0) prostřednictvím samostatného meta-modelu (úroveň 1). Na rozdíl od baggingu a boostingu záměrně používá heterogenní typy modelů a je standardní strategií závěrečné fáze v soutěžích Kaggle.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Stacked Generalization (Stacking Ensemble with a Meta-Learner). ScholarGate. https://scholargate.app/cs/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.
- Rozhodovací stromStrojové učení↔ compare
- Logistická regreseStatistika ve výzkumu↔ compare
- Random ForestStrojové učení↔ compare
- Stroj s podpůrnými vektory (klasifikace)Strojové učení↔ compare
- XGBoostStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →