Machine learning

Stacking

Η στοίβαξη (stacking), ή στοιβαγμένη γενίκευση (stacked generalization), είναι μια μέθοδος συνόλου (ensemble method) που εισήχθη από τον David Wolpert το 1992 και συνδυάζει τις εξόδους πολλαπλών διαφορετικών βασικών μοντέλων (Επίπεδο-0) μέσω ενός ξεχωριστού μετα-μοντέλου (Επίπεδο-1). Σε αντίθεση με το bagging και το boosting, χρησιμοποιεί σκόπιμα ετερογενείς τύπους μοντέλων, και αποτελεί την τυπική στρατηγική τελικού σταδίου σε διαγωνισμούς Kaggle.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

+7 more

Πηγές

  1. Wolpert, D.H. (1992). Stacked Generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1
  2. 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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 1). Stacked Generalization (Stacking Ensemble with a Meta-Learner). ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateStacking (Stacked Generalization (Stacking Ensemble with a Meta-Learner)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/stacking-ensemble · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026