Ensemble di impilamento bayesiano
L'impilamento bayesiano combina le distribuzioni predittive di diversi modelli di base trovando pesi non negativi che massimizzano il punteggio predittivo logaritmico leave-one-out (LOO) della miscela. Formalizzato da Yao, Vehtari, Simpson e Gelman (2018), produce una singola distribuzione predittiva calibrata che è provatamente almeno buona quanto qualsiasi singolo modello costituente in validazione incrociata.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Stacking Ensemble (Bayesian Stacking of Predictive Distributions). ScholarGate. https://scholargate.app/it/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)Apprendimento automatico↔ compare
- Bayesian Model AveragingBayesiano↔ compare
- BoostingApprendimento automatico↔ compare
- Processo GaussianoApprendimento automatico↔ compare
- StackingApprendimento automatico↔ compare
- Ensemble a votazioneApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →