چیدمان
انباشت، یا تعمیم انباشته (stacked generalization)، یک روش تجمیع است که توسط دیوید ولپرت در سال ۱۹۹۲ معرفی شد و خروجی چندین مدل پایه مختلف (سطح-۰) را از طریق یک مدل فرا (سطح-۱) جداگانه ترکیب میکند. برخلاف بگینگ و بوستینگ، این روش عمداً از انواع مدلهای ناهمگن استفاده میکند و استراتژی استاندارد مرحله نهایی در مسابقات Kaggle است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Stacked Generalization (Stacking Ensemble with a Meta-Learner). ScholarGate. https://scholargate.app/fa/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.
- درخت تصمیمیادگیری ماشین↔ compare
- رگرسیون لجستیکآمار پژوهش↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
- ماشین بردار پشتیبان (طبقهبندی)یادگیری ماشین↔ compare
- XGBoostیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →