Stacking
Stacking, o generalización apilada, es un método de ensamble introducido por David Wolpert en 1992 que combina las salidas de varios modelos base diferentes (Nivel-0) a través de un modelo meta separado (Nivel-1). A diferencia de bagging y boosting, utiliza deliberadamente tipos de modelos heterogéneos y es la estrategia estándar de la etapa final en las competiciones de Kaggle.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Fuentes
- Wolpert, D.H. (1992). Stacked Generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Stacked Generalization (Stacking Ensemble with a Meta-Learner). ScholarGate. https://scholargate.app/es/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.
- Árbol de DecisiónAprendizaje automático↔ compare
- Regresión LogísticaEstadística para la investigación↔ compare
- Random ForestAprendizaje automático↔ compare
- Máquina de Vectores de Soporte (Clasificación)Aprendizaje automático↔ compare
- XGBoostAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →