Stablet Generalisering
Stablet generalisering, eller stacking, er en ensemblemetode på to niveauer, hvor klassifikatorer på baseniveau trænes på de oprindelige data, og en meta-lærer trænes på forudsigelserne fra basemodellerne. Meta-læreren lærer, hvordan basemodellernes forudsigelser bedst kombineres, i stedet for at bruge faste aggregeringsregler. Stacking, introduceret af David Wolpert i 1992, opnår state-of-the-art-ydelse ved automatisk at lære den optimale vægtning og interaktionsmønstre blandt basemodellerne.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Stacked Generalization Ensemble. ScholarGate. https://scholargate.app/da/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 EnsembleEnsemblelæring↔ compare
- Boosting EnsembleEnsemblelæring↔ compare
- FlertalsafstemningEnsemblelæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →