Machine learningEnsemble
적층 일반화
적층 일반화(stacking)는 기본 수준 분류기가 원본 데이터에 대해 훈련되고, 메타 학습기가 기본 분류기의 예측에 대해 훈련되는 2단계 앙상블 방법입니다. 메타 학습기는 고정된 집계 규칙을 사용하는 대신 기본 예측을 최적으로 결합하는 방법을 학습합니다. 1992년 David Wolpert가 소개한 스태킹은 기본 모델 간의 최적 가중치 및 상호 작용 패턴을 자동으로 학습함으로써 최첨단 성능을 달성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241-259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- Breiman, L. (1996). Stacked regressions. Machine Learning, 24(1), 49-64. DOI: 10.1023/a:1018046112532 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Stacked Generalization Ensemble. ScholarGate. https://scholargate.app/ko/ensemble-learning/stacked-generalization
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 →