Sakņotā vispārināšana
Sakņotā vispārināšana jeb sakņošana ir divu līmeņu ansambļa metode, kurā bāzes līmeņa klasifikatori tiek apmācīti uz sākotnējiem datiem, bet meta-mācītājs tiek apmācīts uz bāzes klasifikatoru prognozēm. Meta-mācītājs apgūst, kā vislabāk apvienot bāzes prognozes, nevis izmanto fiksētus agregācijas noteikumus. Sakņošana, ko 1992. gadā ieviesa Deivids Volperts, sasniedz visaugstāko veiktspēju, automātiski apgūstot optimālo bāzes modeļu svēršanu un mijiedarbības modeļus.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Stacked Generalization Ensemble. ScholarGate. https://scholargate.app/lv/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.
- Bagging EnsembleAnsambļu mācīšanās↔ compare
- Pastipināšanas ansamblisAnsambļu mācīšanās↔ compare
- Balsojums vairākumāAnsambļu mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →