ロバストスタッキングアンサンブル

ロバストスタッキングアンサンブルは、従来のスタック汎化を拡張したもので、通常のメタ学習器をロバストな推定器（Huber損失回帰、分位点回帰、またはトリミングされた残差で学習されたモデルなど）に置き換えることにより、アンサンブルの結合層を外れ値やノイズの多いベース学習器の予測に対してロバストにします。これにより、汚染されたラベルや裾の重い誤差分布を持つ実世界のデータセットにおいて、予測精度と信頼性が向上します。