Machine learningMachine learning
説明可能なスタッキングアンサンブル
説明可能なスタッキングアンサンブルは、複数の多様なベースモデルの出力でメタ学習器を訓練するスタック一般化の予測能力と、各ベースモデルおよび各入力特徴が最終予測にどのように寄与したかを明らかにするSHAPやLIMEなどの解釈性ツールを組み合わせたものです。これにより、高リスクな設定で純粋なスタッキングを不透明にする精度と透明性のトレードオフを橋渡しします。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Explainable Stacking Ensemble (Interpretable Meta-Learning). ScholarGate. https://scholargate.app/ja/machine-learning/explainable-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 →