Erklärbares Stacking-Ensemble

Das Erklärbare Stacking-Ensemble kombiniert die Vorhersagekraft der gestapelten Generalisierung – das Trainieren eines Meta-Lerners auf den Ausgaben mehrerer unterschiedlicher Basismodelle – mit Interpretierbarkeitstools wie SHAP oder LIME, die aufzeigen, wie jedes Basismodell und jedes Eingabemerkmal zur endgültigen Vorhersage beigetragen hat. Es überbrückt den Kompromiss zwischen Genauigkeit und Transparenz, der reines Stacking in risikoreichen Anwendungen undurchsichtig macht.