Стекинг (Stacked Generalization)

Стекинг, или стековая обобщенная выборка, — это ансамблевый метод двух уровней, в котором классификаторы базового уровня обучаются на исходных данных, а мета-обучающийся алгоритм обучается на предсказаниях классификаторов базового уровня. Мета-обучающийся алгоритм учится наилучшим образом комбинировать предсказания базовых моделей, а не использовать фиксированные правила агрегации. Предложенный Дэвидом Вольпертом в 1992 году, стекинг достигает наилучших результатов, автоматически изучая оптимальные веса и закономерности взаимодействия между базовыми моделями.