Gestapelte Generalisierung

Gestapelte Generalisierung, oder Stacking, ist eine Ensemble-Methode auf zwei Ebenen, bei der Klassifikatoren der Basisebene auf den Originaldaten trainiert werden und ein Meta-Lerner auf den Vorhersagen der Basis-Klassifikatoren trainiert wird. Der Meta-Lerner lernt, wie die Basis-Vorhersagen am besten kombiniert werden, anstatt feste Aggregationsregeln zu verwenden. Stacking, eingeführt von David Wolpert im Jahr 1992, erzielt Spitzenleistungen, indem es automatisch die optimale Gewichtung und Interaktionsmuster zwischen den Basismodellen lernt.