Модели суммирования — это мощный метод, используемый для создания ансамблевых прогнозов в машинном обучении. Он включает в себя объединение прогнозов нескольких хорошо работающих моделей для повышения общей точности и надежности окончательного прогноза. Наложение — популярный метод, поскольку он может помочь снизить риск переобучения и улучшить обобщение модели.
Основная идея суммирования состоит в том, чтобы обучить несколько разных моделей на одних и тех же данных, а затем использовать их прогнозы в качестве входных данных для окончательной модели. Затем окончательная модель использует эти прогнозы в качестве входных данных для создания собственного прогноза. Ключом к выполнению этой работы является обеспечение разнообразия базовых моделей и охвата различных аспектов данных. Этого можно достичь, используя разные алгоритмы, разные гиперпараметры или разные подмножества данных. Объединив прогнозы этих моделей, окончательная модель может научиться лучше обобщать и делать более точные прогнозы.
Что такое модели стекирования?
Определение
Модели суммирования, также известные как суммированное обобщение или ансамбли суммирования, представляют собой алгоритм ансамблевого машинного обучения, который включает в себя объединение прогнозов нескольких моделей для создания более точного прогноза. При суммировании метамодель обучается на основе прогнозов базовых моделей, которые сами обучаются на исходных обучающих данных. Метамодель затем используется для окончательного прогноза.
Оригинальный контент взят из моего блога.Продолжить чтение здесь
