Bayesiläinen pinoamisen ensemble
Bayesiläinen pinoaminen yhdistää useiden perusmallien ennustavat jakaumat etsimällä ei-negatiivisia painoja, jotka maksimoivat sekoituksen leave-one-out (LOO) -logi-ennustepisteen. Yao, Vehtari, Simpson ja Gelman (2018) formalisoivat sen, ja se tuottaa yhden kalibroidun ennustavan jakauman, joka on todistettavasti vähintään yhtä hyvä kuin mikä tahansa yksittäinen osamalli ristiinvalidointi-menetelmällä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Yao, Y., Vehtari, A., Simpson, D., & Gelman, A. (2018). Using stacking to average Bayesian predictive distributions. Bayesian Analysis, 13(3), 917–1007. DOI: 10.1214/17-BA1091 ↗
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Stacking Ensemble (Bayesian Stacking of Predictive Distributions). ScholarGate. https://scholargate.app/fi/machine-learning/bayesian-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.
- Bagging (Bootstrap Aggregating)Koneoppiminen↔ compare
- Bayesiläinen mallikeskiarvoistusBayesilainen tilastotiede↔ compare
- BoostingKoneoppiminen↔ compare
- Gaussinen prosessiKoneoppiminen↔ compare
- Pinottava yleistys (Stacking)Koneoppiminen↔ compare
- Ääniennuste (Voting Ensemble)Koneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →