Regulované zostavacie ensemble
Regularized Stacking Ensemble je dvojúrovňová ensemblová metóda, pri ktorej sa predikcie z viacerých rôznorodých základných modelov (base learners) kombinujú pomocou regularizovaného meta-modelu — typicky ridge regresie, LASSO alebo elastic net — s cieľom potlačiť preučenie (overfitting) v kombinačnej vrstve. Regularizácia zabezpečuje, že meta-model priradí stabilné, dobre kalibrované váhy výstupom základných modelov namiesto zapamätania si šumu v predikciách z krížovej validácie (fold predictions).
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: 10.1007/BF00117832 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Regularized Stacking Ensemble (Stacked Generalization with Regularized Meta-Learner). ScholarGate. https://scholargate.app/sk/machine-learning/regularized-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.
- BoostingStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
- Regularizované zosilňovanie gradientuStrojové učenie↔ compare
- Regularizovaný náhodný lesStrojové učenie↔ compare
- StackingStrojové učenie↔ compare
- Hlasovacie zoskupenieStrojové učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →