تعمیم پشتهای
تعمیم پشتهای یا اِستَکینگ (stacking)، یک روش اَنسامبل (ensemble) دو سطحی است که در آن طبقهبندیکنندههای سطح پایه بر روی دادههای اصلی آموزش میبینند و یک فراگیرندهٔ فرین (meta-learner) بر روی پیشبینیهای طبقهبندیکنندههای پایه آموزش داده میشود. فراگیرندهٔ فرین به جای استفاده از قواعد تجمیع ثابت، یاد میگیرد که چگونه پیشبینیهای پایه را به بهترین شکل ترکیب کند. این روش که توسط دیوید وُلپرت در سال ۱۹۹۲ معرفی شد، با یادگیری خودکار وزندهی بهینه و الگوهای تعامل بین مدلهای پایه، به عملکردی در سطح هنر (state-of-the-art) دست مییابد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241-259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- Breiman, L. (1996). Stacked regressions. Machine Learning, 24(1), 49-64. DOI: 10.1023/a:1018046112532 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Stacked Generalization Ensemble. ScholarGate. https://scholargate.app/fa/ensemble-learning/stacked-generalization
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.
- انسامبل بگینگیادگیری گروهی↔ compare
- تقویت (Boosting Ensemble)یادگیری گروهی↔ compare
- رأی اکثریتیادگیری گروهی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →