Bayesian Stacking Ensemble
Bayesowskie składanie (stacking) łączy rozkłady predykcyjne kilku modeli bazowych poprzez znalezienie nieujemnych wag, które maksymalizują logarytm wyniku predykcyjnego z pominięciem jednej obserwacji (leave-one-out, LOO) dla mieszaniny. Sformalizowane przez Yao, Vehtari, Simpson i Gelmana (2018), daje pojedynczy skalibrowany rozkład predykcyjny, który jest udowodniony jako co najmniej tak dobry jak każdy pojedynczy model składowy w ramach walidacji krzyżowej.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Yao, Y., Vehtari, A., Simpson, D., & Gelman, A. (2018). Using stacking to average Bayesian predictive distributions. Bayesian Analysis, 13(3), 917–1007. DOI: 10.1214/17-BA1091 ↗
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Stacking Ensemble (Bayesian Stacking of Predictive Distributions). ScholarGate. https://scholargate.app/pl/machine-learning/bayesian-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.
- Bagging (agregacja bootstrapowa)Uczenie maszynowe↔ compare
- Uśrednianie modeli bayesowskichStatystyka bayesowska↔ compare
- WzmocnienieUczenie maszynowe↔ compare
- Proces GaussaUczenie maszynowe↔ compare
- StackingUczenie maszynowe↔ compare
- Ensemble głosującyUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →