Байесовский стекинг ансамблей

Байесовский стекинг объединяет предсказательные распределения нескольких базовых моделей путем поиска неотрицательных весов, максимизирующих логарифмическую оценку предсказания (log predictive score) при исключении каждого наблюдения по очереди (leave-one-out). Формализованный Яо, Вехтари, Симпсоном и Гельманом (2018), он дает единое калиброванное предсказательное распределение, которое, как доказано, по крайней мере так же хорошо, как и любая отдельная составляющая модель, при перекрестной проверке.