การวางซ้อน (Stacked Generalization)
การวางซ้อน หรือ stacking เป็นวิธีการรวมแบบจำลอง (ensemble method) สองระดับ โดยแบบจำลองพื้นฐาน (base-level classifiers) จะถูกฝึกบนข้อมูลดั้งเดิม และแบบจำลองอภิมาน (meta-learner) จะถูกฝึกบนการทำนายผลของแบบจำลองพื้นฐาน แบบจำลองอภิมานจะเรียนรู้วิธีการรวมการทำนายผลของแบบจำลองพื้นฐานที่ดีที่สุด แทนที่จะใช้กฎการรวมแบบตายตัว การวางซ้อนซึ่งถูกนำเสนอโดย David Wolpert ในปี 1992 สามารถบรรลุประสิทธิภาพระดับ State-of-the-art ได้โดยการเรียนรู้รูปแบบการถ่วงน้ำหนักและการปฏิสัมพันธ์ที่เหมาะสมที่สุดระหว่างแบบจำลองพื้นฐานโดยอัตโนมัติ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Stacked Generalization Ensemble. ScholarGate. https://scholargate.app/th/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.
- การรวมกลุ่มแบบแบ็กกิงการเรียนรู้แบบรวมกลุ่ม↔ compare
- Boosting Ensembleการเรียนรู้แบบรวมกลุ่ม↔ compare
- การลงคะแนนเสียงข้างมากการเรียนรู้แบบรวมกลุ่ม↔ compare