Robustes Stacking-Ensemble

Das Robuste Stacking-Ensemble erweitert die klassische Stacked Generalization, indem der gewöhnliche Meta-Learner durch einen robusten Schätzer ersetzt wird – wie einen Huber-Loss-Regressor, eine Quantilsregression oder ein Modell, das auf getrimmten Residuen trainiert wurde. Dadurch wird die Kombinationsschicht des Ensembles resistent gegenüber Ausreißern und verrauschten Vorhersagen der Basis-Learner. Es verbessert die Vorhersagegenauigkeit und Zuverlässigkeit auf realen Datensätzen mit kontaminierten Labels oder "heavy-tailed" Fehlerverteilungen.