Machine learningMachine learning
베이즈 스태킹 앙상블
베이즈 스태킹은 혼합 모형의 leave-one-out 로그 예측 점수를 최대화하는 음이 아닌 가중치를 찾아 여러 기본 모형의 예측 분포를 결합합니다. Yao, Vehtari, Simpson, and Gelman (2018)에 의해 정형화되었으며, 교차 검증 하에서 어떤 단일 구성 모형만큼이나 우수하다는 것이 증명된 단일 보정된 예측 분포를 산출합니다.
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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Bayesian Stacking Ensemble (Bayesian Stacking of Predictive Distributions). ScholarGate. https://scholargate.app/ko/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.
- 배깅 (Bootstrap Aggregating)머신러닝↔ compare
- Bayesian Model Averaging베이지안↔ compare
- 부스팅머신러닝↔ compare
- 가우시안 프로세스머신러닝↔ compare
- 적층머신러닝↔ compare
- Voting Ensemble머신러닝↔ compare