Stacking
Stacking, of gestapelde generalisatie, is een ensemblemethode geïntroduceerd door David Wolpert in 1992 die de outputs van verschillende basismodellen (Niveau-0) combineert via een apart metamodel (Niveau-1). In tegenstelling tot bagging en boosting, gebruikt het bewust heterogene modeltypen, en het is de standaardstrategie in de eindfase van Kaggle-competities.
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.
+7 more
Bronnen
- Wolpert, D.H. (1992). Stacked Generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- van der Laan, M.J., Polley, E.C. & Hubbard, A.E. (2007). Super Learner. Statistical Applications in Genetics and Molecular Biology, 6(1), Article 25. DOI: 10.2202/1544-6115.1309 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Stacked Generalization (Stacking Ensemble with a Meta-Learner). ScholarGate. https://scholargate.app/nl/machine-learning/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.
- BeslisboomMachine learning↔ compare
- Logistische RegressieOnderzoeksstatistiek↔ compare
- Random ForestMachine learning↔ compare
- Support Vector Machine (Classificatie)Machine learning↔ compare
- XGBoostMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →