التكديس (Stacking) هو مصطلح ظهر في مقالات قرمصيص ويستحق شرحاً مستقلاً. أسلوب يجمع مخرجات عدة نماذج ويدرب نموذجاً أعلى ليتعلم أفضل طريقة لمزجها. فهمه يساعدك على قراءة الشروحات ونتائج التجارب من غير خلط بين الاسم ووظيفته الفعلية.
باختصار
أسلوب يجمع مخرجات عدة نماذج ويدرب نموذجاً أعلى ليتعلم أفضل طريقة لمزجها.
بالتفصيل
تُنتج النماذج الأساسية تنبؤات خارج الطيات لتجنب تسريب الإجابة، ثم تستخدم هذه التنبؤات سمات لنموذج نهائي. الفكرة أن النموذج الأعلى يتعلم متى يثق بكل متنبئ بدلاً من الاكتفاء بمتوسط ثابت.
الفكرة العملية هي النظر إلى مكان المصطلح داخل خط العمل: ما البيانات التي تدخل إليه، وما النتيجة التي ينتجها، وما التكلفة أو الافتراض الذي يضيفه. المقارنة العادلة تحتاج تجربة على بيانات منفصلة ومقياس مناسب، لا الاعتماد على الاسم أو الشهرة وحدهما.
مثال عملي
يمكن جمع نموذج خطي وشجرة ونموذج عصبي، ثم تدريب متنبئ نهائي على نتائجهم لتوقع سعر منزل.
خلي بالك: إذا دُرب النموذج الأعلى على تنبؤات مأخوذة من بيانات التدريب نفسها فقد يحدث تسرب ويبدو الأداء أفضل من الحقيقة.
مصطلحات مرتبطة
Ensemble Learning، Cross-validation، Bagging. قراءة هذه المصطلحات معاً توضح العلاقة بين البيانات والتدريب والتقييم والتشغيل.
المصادر: scikit-learn
