Vrstvená generalizácia
Vrstvená generalizácia, alebo stacking, je dvojúrovňová ensemblová metóda, kde klasifikátory na základnej úrovni sú trénované na pôvodných dátach a meta-učiaci sa model je trénovaný na predikciách základných klasifikátorov. Meta-učiaci sa model sa učí, ako najlepšie kombinovať predikcie základných modelov, namiesto použitia fixných agregačných pravidiel. Stacking, predstavený Davidom Wolpertom v roku 1992, dosahuje špičkový výkon automatickým učením optimálnych váh a vzorových interakcií medzi základnými modelmi.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241-259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- Breiman, L. (1996). Stacked regressions. Machine Learning, 24(1), 49-64. DOI: 10.1023/a:1018046112532 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Stacked Generalization Ensemble. ScholarGate. https://scholargate.app/sk/ensemble-learning/stacked-generalization
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 EnsembleAnsámblové učenie↔ compare
- Zosilnenie (Boosting)Ansámblové učenie↔ compare
- Hlasovanie väčšinyAnsámblové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →