เปรียบเทียบวิธี

	การวางซ้อน (Stacked Generalization)	Weighted Voting
สาขาวิชา	การเรียนรู้แบบรวมกลุ่ม	การตัดสินใจ
ตระกูล	Machine learning	MCDM
ปีกำเนิด	1992	1951
ผู้ริเริ่ม	David Wolpert	Arrow, K. J.
ประเภท	meta-learning aggregation	Social choice — weighted positional voting rule
แหล่งต้นตำรับ	Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241-259.	Arrow, K. J. (1951). Social Choice and Individual Values. Wiley, New York
ชื่อเรียกอื่น	stacking, meta-learning	—
ที่เกี่ยวข้อง	3	0
สรุป	Stacked generalization, or stacking, is a two-level ensemble method where base-level classifiers are trained on the original data, and a meta-learner is trained on the predictions of the base classifiers. The meta-learner learns how to best combine base predictions rather than using fixed aggregation rules. Introduced by David Wolpert in 1992, stacking achieves state-of-the-art performance by automatically learning the optimal weighting and interaction patterns among base models.	WEIGHTED-VOTING (Weighted Voting — Weighted positional aggregation of multiple rankings) is a ranking multi-criteria decision-making (MCDM) method introduced by Arrow, K. J. in 1951. It turns a decision matrix of alternatives scored on multiple criteria into a structured, reproducible result.