การซ้อนทับ
การซ้อนทับ หรือ stacked generalization เป็นวิธีการรวมกลุ่ม (ensemble method) ที่ David Wolpert นำเสนอในปี 1992 ซึ่งรวมผลลัพธ์จากโมเดลพื้นฐานหลายตัว (Level-0) เข้าด้วยกันผ่านโมเดลเมตา (meta-model) แยกต่างหาก (Level-1) แตกต่างจาก bagging และ boosting การซ้อนทับจงใจใช้โมเดลประเภทที่แตกต่างกัน และเป็นกลยุทธ์สุดท้ายที่เป็นมาตรฐานในการแข่งขัน Kaggle
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
แหล่งอ้างอิง
- Wolpert, D.H. (1992). Stacked Generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- van der Laan, M.J., Polley, E.C. & Hubbard, A.E. (2007). Super Learner. Statistical Applications in Genetics and Molecular Biology, 6(1), Article 25. DOI: 10.2202/1544-6115.1309 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Stacked Generalization (Stacking Ensemble with a Meta-Learner). ScholarGate. https://scholargate.app/th/machine-learning/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.
- ต้นไม้ตัดสินใจการเรียนรู้ของเครื่อง↔ compare
- การถดถอยโลจิสติกสถิติการวิจัย↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- Support Vector Machineการเรียนรู้ของเครื่อง↔ compare
- XGBoostการเรียนรู้ของเครื่อง↔ compare