Machine learning

ערימה

ערימה, או הכללה מוערמת (stacked generalization), היא שיטת אנסמבל שהוצגה על ידי דייוויד וולפרט בשנת 1992, המשלבת את הפלטים של מספר מודלי בסיס שונים (רמה-0) באמצעות מטא-מודל נפרד (רמה-1). בניגוד ל-bagging ו-boosting, היא משתמשת בכוונה בסוגי מודלים הטרוגניים, והיא אסטרטגיית השלב הסופי הסטנדרטית בתחרויות Kaggle.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

+7 more

מקורות

  1. Wolpert, D.H. (1992). Stacked Generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1
  2. 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

איך לצטט עמוד זה

ScholarGate. (2026, June 1). Stacked Generalization (Stacking Ensemble with a Meta-Learner). ScholarGate. https://scholargate.app/he/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.

Compare side by side

מאוזכר על ידי

ScholarGateStacking (Stacked Generalization (Stacking Ensemble with a Meta-Learner)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/stacking-ensemble · מערך נתונים: https://doi.org/10.5281/zenodo.20539026