Stacking
Stacking, або стекована генералізація, — це ансамблевий метод, представлений Девідом Волпертом у 1992 році, який комбінує виходи кількох різних базових моделей (рівень 0) за допомогою окремої мета-моделі (рівень 1). На відміну від беггінгу та бустінгу, він свідомо використовує гетерогенні типи моделей і є стандартною стратегією останнього етапу в змаганнях Kaggle.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Stacked Generalization (Stacking Ensemble with a Meta-Learner). ScholarGate. https://scholargate.app/uk/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.
- Дерево рішеньМашинне навчання↔ compare
- Логістична регресіяСтатистика досліджень↔ compare
- Випадковий лісМашинне навчання↔ compare
- Метод опорних векторів (класифікація)Машинне навчання↔ compare
- XGBoostМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →