2024.06.05
-
產品系列
Products
資料科學
網路通訊
其他應用軟體
最新活動
News
產品新知
Blogs
關於我們
About Us
聯絡我們
Contact Us
社群貢獻功能：堆疊法
當面臨新的預測或分類時，哪種機器學習演算法最適合很少是顯而易見的。堆疊泛化或簡稱堆疊法是模型平均的一種形式，van der Laan, Polley, and Hubbard (2007)的理論結果支持使用堆疊法，因為只要基礎學習器的數量不太大，它的漸近效能至少與表現最好的個體學習器一樣好。
Stata社群貢獻者Achim Ahrens, Christian Hansen, and Mark Schaffer開發的pystacked指令，可以使用堆疊法，將多個監督式機器學習的預測，組合成最終預測以提高效能，目前支援的基礎學習器包含線性迴歸、邏輯迴歸、lasso、彈性網路、脊迴歸、支援向量機、梯度提升、隨機森林、神經網路。
來源：Stacked generalization
訂閱昊青/取消訂閱
*為必填
台北總公司
- 104 台北市中山區復興北路354號11樓
(02) 2505-0525
(02) 2503-1680
高雄辦公室
- 800 高雄市新興區民生一路56號11樓之6
(07) 229-8600
(07) 229-8660
客服資訊
- info@sciformosa.com.tw
0800-099-900