Machine learning
スタッキング
スタッキング（stacked generalizationとも）は、1992年にDavid Wolpertによって導入されたアンサンブル学習の手法であり、複数の異なるベースモデル（Level-0）の出力を、別のメタモデル（Level-1）を通じて結合します。バギングやブースティングとは異なり、意図的に異種のモデルタイプを使用し、Kaggleコンペティションにおける標準的な最終段階戦略となっています。
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.
+7 more
出典
- Wolpert, D.H. (1992). Stacked Generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). Stacked Generalization (Stacking Ensemble with a Meta-Learner). ScholarGate. https://scholargate.app/ja/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.
- 決定木機械学習↔ compare
- ロジスティック回帰研究統計↔ compare
- ランダムフォレスト機械学習↔ compare
- サポートベクターマシン（分類）機械学習↔ compare
- XGBoost機械学習↔ compare