Stacking
Categoria
Fundamentos de IA
Stacking é uma técnica de ensemble que usa as previsões de multiplos modelos base como features de entrada para um meta-modelo que aprende a combinar as previsões da melhor forma possível.
Categoria
Fundamentos de IA
Compartilhar
O que é Stacking?
Stacking (Stacked Generalization) é uma técnica avancada de ensemble learning que usa previsões de multiplos modelos como entrada para um modelo de nível superior (meta-learner) que aprende a combina-las otimamente.
Como Funciona
- Nivel 0 (Base): treina diversos modelos diferentes (ex: Random Forest, SVM, KNN)
- Gera previsões out-of-fold de cada modelo base (via cross-validation)
- Nivel 1 (Meta): treina um meta-modelo usando as previsões como features
- O meta-modelo aprende os pontos fortes é fracos de cada modelo base
Vantagens
- Geralmente supera bagging é boosting isolados
- Captura complementaridade entre modelos diferentes
- Flexivel: qualquer combinacao de modelos
Cuidados
E essêncial usar cross-validation para gerar as previsões do nível base, evitando data leakage. Na Trilion, stacking é reservado para projetos onde a margem de desempenho adicional justifica a complexidade extra do pipeline.
