Generalisasi Bertumpuk

Generalisasi bertumpuk, atau penumpukan (stacking), ialah kaedah ensemble dua peringkat di mana pengelas peringkat asas dilatih pada data asal, dan pelatih meta (meta-learner) dilatih pada ramalan pengelas asas. Pelatih meta mempelajari cara terbaik menggabungkan ramalan asas berbanding menggunakan peraturan pengagregatan tetap. Diperkenalkan oleh David Wolpert pada tahun 1992, penumpukan mencapai prestasi canggih (state-of-the-art) dengan pembelajaran automatik pemberat optimum dan corak interaksi antara model asas.