Machine learning

Стекинг

Стекинг, или стековая обобщенная модель (stacked generalization), — это ансамблевый метод, представленный Дэвидом Вольпертом в 1992 году, который объединяет выходные данные нескольких различных базовых моделей (уровень 0) с помощью отдельной метамодели (уровень 1). В отличие от бэггинга и бустинга, он намеренно использует разнородные типы моделей и является стандартной стратегией финальной стадии в соревнованиях Kaggle.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

+7 more

Источники

  1. Wolpert, D.H. (1992). Stacked Generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1
  2. 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

Как цитировать эту страницу

ScholarGate. (2026, June 1). Stacked Generalization (Stacking Ensemble with a Meta-Learner). ScholarGate. https://scholargate.app/ru/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.

Compare side by side

Упоминается в

ScholarGateStacking (Stacked Generalization (Stacking Ensemble with a Meta-Learner)). Получено 2026-06-15 из https://scholargate.app/ru/machine-learning/stacking-ensemble · Набор данных: https://doi.org/10.5281/zenodo.20539026