Generalisasi Bertumpuk

Generalisasi bertumpuk, atau *stacking*, adalah metode ansambel dua tingkat di mana pengklasifikasi tingkat dasar dilatih pada data asli, dan pembelajar meta dilatih pada prediksi pengklasifikasi dasar. Pembelajar meta belajar cara terbaik menggabungkan prediksi dasar daripada menggunakan aturan agregasi tetap. Diperkenalkan oleh David Wolpert pada tahun 1992, *stacking* mencapai kinerja *state-of-the-art* dengan secara otomatis mempelajari bobot optimal dan pola interaksi di antara model dasar.