로버스트 스태킹 앙상블

로버스트 스태킹 앙상블(Robust Stacking Ensemble)은 일반적인 메타 학습기를 허버 손실 회귀(Huber-loss regressor), 분위수 회귀(quantile regression) 또는 절사 잔차(trimmed residuals)로 훈련된 모델과 같은 로버스트 추정량으로 대체하여 고전적인 스택형 일반화(stacked generalization)를 확장한다. 이를 통해 앙상블의 조합 계층이 이상치 및 노이즈가 있는 기본 학습기 예측에 강건해진다. 오염된 레이블 또는 두터운 꼬리 오차 분포를 가진 실제 데이터셋에서 예측 정확도와 신뢰성을 향상시킨다.