Machine learningEnsemble
堆叠泛化
堆叠泛化（Stacked generalization），或称堆叠（stacking），是一种两层集成方法，其中基学习器（base-level classifiers）在原始数据上进行训练，而元学习器（meta-learner）则在基学习器的预测结果上进行训练。元学习器学习如何最佳地组合基学习器的预测，而不是使用固定的聚合规则。该方法由 David Wolpert 于 1992 年提出，通过自动学习基模型之间的最佳权重和交互模式，堆叠泛化实现了最先进的性能。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Stacked Generalization Ensemble. ScholarGate. https://scholargate.app/zh/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.
Compare side by side →