Gestapelde Generalisatie
Gestapelde generalisatie, of stacking, is een ensemblemethode op twee niveaus waarbij basisclassificatoren worden getraind op de oorspronkelijke gegevens, en een meta-leermachine wordt getraind op de voorspellingen van de basisclassificatoren. De meta-leermachine leert hoe de basisvoorspellingen optimaal te combineren in plaats van vaste aggregatieregels te gebruiken. Geïntroduceerd door David Wolpert in 1992, bereikt stacking state-of-the-art prestaties door automatisch de optimale weging en interactiepatronen tussen basismodellen te leren.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Stacked Generalization Ensemble. ScholarGate. https://scholargate.app/nl/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 EnsembleEnsemble learning↔ compare
- Boosting EnsembleEnsemble learning↔ compare
- MeerderheidsstemmingEnsemble learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →