Stacked regressions
Stacked regressions
复制标题
DOI：
10.1007/bf00117832
复制
发表时间：
2004
期刊：
影响因子：
7.5
通讯作者：
L. Breiman
中科院分区：
文献类型：
--
作者：
L. Breiman
堆叠回归是一种形成不同预测变量的线性组合以提高预测精度的方法。这个想法是在非负约束下使用交叉验证数据和最小二乘法来确定组合中的系数。其有效性在堆叠不同大小的回归树以及堆叠线性子集和岭回归的模拟中得到了证明。探讨了该方法有效的原因。堆叠的想法起源于 Wolpert (1992)。
Stacking regressions is a method for forming linear combinations of different predictors to give improved prediction accuracy. The idea is to use cross-validation data and least squares under non-negativity constraints to determine the coefficients in the combination. Its effectiveness is demonstrated in stacking regression trees of different sizes and in a simulation stacking linear subset and ridge regressions. Reasons why this method works are explored. The idea of stacking originated with Wolpert (1992).