stacked-ensemble
스태킹 앙상블
서로 다른 약한 학습기 또는 특징 파이프라인의 출력을 상위 메타 모델이 입력으로 받아 최종 예측을 만드는 합성 방법이다. 개별 모델의 편향과 분산 특성이 서로 보완되도록 계층적으로 조합하며 교차검증 기반의 out-of-fold 예측을 메타 학습에 사용해 과적합을 완화한다. 본 실험에서는 여러 전통적 특징·모델의 장점을 합쳐 보류 테스트 성능을 끌어올리는 데 활용됐다.
중급
스태킹 앙상블
서로 다른 약한 학습기 또는 특징 파이프라인의 출력을 상위 메타 모델이 입력으로 받아 최종 예측을 만드는 합성 방법이다. 개별 모델의 편향과 분산 특성이 서로 보완되도록 계층적으로 조합하며 교차검증 기반의 out-of-fold 예측을 메타 학습에 사용해 과적합을 완화한다. 본 실험에서는 여러 전통적 특징·모델의 장점을 합쳐 보류 테스트 성능을 끌어올리는 데 활용됐다.