Robust Stacking Ensemble

Robust Stacking Ensemble utökar klassisk staplad generalisering genom att ersätta den vanliga meta-inlärningsmodellen med en robust estimator — såsom en Huber-förlustregressor, kvantilregression eller en modell tränad på trimmade residualer — så att ensemblemodellens kombinationslager är motståndskraftigt mot extremvärden och brusiga basinlärningsprediktioner. Det förbättrar prediktiv noggrannhet och tillförlitlighet på verkliga dataset med kontaminerade etiketter eller feldistributioner med tung svans.