Generalización apilada

La generalización apilada, o apilamiento (stacking), es un método de conjunto de dos niveles donde los clasificadores de nivel base se entrenan con los datos originales, y un meta-aprendiz se entrena con las predicciones de los clasificadores base. El meta-aprendiz aprende cómo combinar mejor las predicciones base en lugar de usar reglas de agregación fijas. Introducido por David Wolpert en 1992, el apilamiento logra un rendimiento de vanguardia al aprender automáticamente la ponderación óptima y los patrones de interacción entre los modelos base.