הכללה מוערמת (Stacked Generalization)
הכללה מוערמת, או ערימה (stacking), היא שיטת אנסמבל דו-שכבתית שבה מסווגים ברמת הבסיס מאומנים על הנתונים המקוריים, ולומד-על (meta-learner) מאומן על התחזיות של מסווגי הבסיס. לומד-העל לומד כיצד לשלב בצורה מיטבית תחזיות בסיס במקום להשתמש בכללי אגרגציה קבועים. השיטה, שהוצגה על ידי דייוויד וולפרט ב-1992, משיגה ביצועים מתקדמים על ידי למידה אוטומטית של שקלול אופטימלי ותבניות אינטראקציה בין מודלי הבסיס.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Stacked Generalization Ensemble. ScholarGate. https://scholargate.app/he/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.
- Bagging Ensembleלמידת אנסמבל↔ compare
- שיטת אנסמבל חיזוק (Boosting Ensemble)למידת אנסמבל↔ compare
- הצבעת רובלמידת אנסמבל↔ compare