Robust Stacking Ensemble
Robust Stacking Ensemble เป็นการต่อยอดเทคนิค stacked generalization แบบดั้งเดิม โดยแทนที่เมตาเลิร์นเนอร์ (meta-learner) ทั่วไปด้วยตัวประมาณค่าที่ทนทาน (robust estimator) เช่น ตัวถดถอยแบบ Huber-loss, การถดถอยควอนไทล์ (quantile regression) หรือแบบจำลองที่ฝึกฝนบนค่าความคลาดเคลื่อนที่ถูกตัดทอน (trimmed residuals) เพื่อให้ชั้นการรวมผลของอองซอมเบิล (ensemble's combination layer) สามารถทนทานต่อค่าผิดปกติ (outliers) และการทำนายของเบสเลิร์นเนอร์ (base-learner) ที่มีสัญญาณรบกวนได้ เทคนิคนี้ช่วยเพิ่มความแม่นยำในการทำนายและความน่าเชื่อถือของชุดข้อมูลจริงที่มีป้ายกำกับปนเปื้อน (contaminated labels) หรือการกระจายตัวของความคลาดเคลื่อนแบบหางหนา (heavy-tailed error distributions)
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 ↗
- Ensemble learning. Wikipedia. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Stacking Ensemble (Outlier-Resistant Stacked Generalization). ScholarGate. https://scholargate.app/th/machine-learning/robust-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)การเรียนรู้ของเครื่อง↔ compare
- Boostingการเรียนรู้ของเครื่อง↔ compare
- การเสริมกำลังไล่ระดับการเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- XGBoostการเรียนรู้ของเครื่อง↔ compare