Bayesian Stacking Ensemble
Bayesiansk stacking kombinerar prediktionsfördelningarna från flera basmodeller genom att finna icke-negativa vikter som maximerar leave-one-out log-prediktiva skår för blandningen. Formulerat av Yao, Vehtari, Simpson och Gelman (2018), ger det en enda kalibrerad prediktionsfördelning som bevisligen är minst lika bra som någon enskild beståndsmodell under korsvalidering.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Yao, Y., Vehtari, A., Simpson, D., & Gelman, A. (2018). Using stacking to average Bayesian predictive distributions. Bayesian Analysis, 13(3), 917–1007. DOI: 10.1214/17-BA1091 ↗
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Stacking Ensemble (Bayesian Stacking of Predictive Distributions). ScholarGate. https://scholargate.app/sv/machine-learning/bayesian-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.
- Bagging (Bootstrap Aggregating)Maskininlärning↔ compare
- Bayesiansk modellmedling (BMA)Bayesiansk statistik↔ compare
- BoostingMaskininlärning↔ compare
- Gaussisk processMaskininlärning↔ compare
- StackingMaskininlärning↔ compare
- RöstningsensembleMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →