Stacking: 通过另一个学习器,称为次级学习器或元学习器(meta-
learner),对个体学习器(称为初级学习器)的结果进行结合。
利用训练集 分别训练初级学习器 .
构造次级训练集 , 其中
利用次级训练集 训练次级学习器
Note: 1. 一般使用交叉验证或者留一法,在每一折,用训练初级学习器
未使用的样本来产生次级学习器的训练样本。
2.初级学习器的输出类概率作为次级学习器的输入属性。
3.用多响应回归(Multi-response linear regression,MLR)作为次级
学习算法。
D = {(x , y )}
i i
i=1
m
h , h , … , h
1 2 T
=D
~
{( , y )} x
~
i i
i=1
m
=x
~
i
(h(x ) , h(x ) , … , h(x ) ) ∈
i 1 i 2 i T
R
T
D
~
H
5