Generalizimi i shtresuar
Generalizimi i shtresuar, ose shtresimi (stacking), është një metodë ansambël me dy nivele ku klasifikuesit e nivelit bazë trajtohen në të dhënat origjinale, dhe një meta-mësues trajtohet në parashikimet e klasifikuesve bazë. Meta-mësuesi mëson se si t'i kombinojë më së miri parashikimet bazë, në vend që të përdorë rregulla fikse të agregimit. Paraqitur nga David Wolpert në vitin 1992, shtresimi arrin performancë të nivelit më të lartë duke mësuar automatikisht peshimet optimale dhe modelet e ndërveprimit midis modeleve bazë.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Stacked Generalization Ensemble. ScholarGate. https://scholargate.app/sq/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 EnsembleMësimi me ansambël↔ compare
- Ensemble përforcimiMësimi me ansambël↔ compare
- Votim shumicëMësimi me ansambël↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →