Глоссарий ИИ
Полный словарь искусственного интеллекта
Утечка информации
Риск в стекинге, когда мета-модель обучается на тех же данных, что и базовые модели, что приводит к переобучению, которое blending стремится избежать с помощью hold-out валидации.
Взвешивание предсказаний
Техника в blending, где мета-модель изучает оптимальные веса для комбинирования предсказаний базовых моделей, часто с помощью простой линейной регрессии.
Стратификация hold-out
Стратифицированное разделение hold-out набора валидации в blending для гарантии сохранения распределения классов, что важно для несбалансированных задач классификации.
Многоуровневый blending
Расширение blending, где предсказания первой мета-модели становятся входными данными для второй мета-модели, создавая иерархию комбинаций предсказаний.
Кросс-blending
Вариант blending, использующий несколько hold-out разделений и усредняющий предсказания соответствующих мета-моделей для уменьшения дисперсии, связанной с конкретным выбором hold-out.
Калибровка предсказаний
Этап в blending, где выходные вероятности базовых моделей перекалибруются перед подачей в мета-модель для обеспечения согласованности в масштабе предсказаний.
Стохастический blending
Подход, где hold-out набор валидации выбирается случайным образом на нескольких итерациях, обучая несколько мета-моделей, предсказания которых затем усредняются.
Временной blending
Применение blending к временным данным, где hold-out соблюдает хронологический порядок, используя недавние периоды для обучения мета-модели на прошлых предсказаниях.
Оптимизация соотношения Hold-out
Процесс определения оптимальной доли данных, резервируемых для валидации hold-out при блендинге, балансирующий качество обучения базовых моделей и мета-модели.
Адаптивный блендинг
Метод, при котором мета-модель динамически корректирует комбинацию предсказаний в зависимости от наблюдаемой производительности каждой базовой модели на различных сегментах данных.