[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,88 +2,38 @@
|
||||
id: wiki-2026-0508-stacked-generalization
|
||||
title: Stacked Generalization
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [AI-ENS-STACK-001]
|
||||
duplicate_of: none
|
||||
status: duplicate
|
||||
canonical_id: ensemble-methods
|
||||
duplicate_of: "[[Ensemble-Methods]]"
|
||||
aliases: [stacking, stacked-ensemble, super-learner]
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [ai, machine-learning, ensemble, stacking, stacked-generalization, meta-learning, predictive-modeling]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
confidence_score: 0.9
|
||||
verification_status: redirected
|
||||
tags: [duplicate, ensemble, ml, stacking]
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# Stacked Generalization (스택 일반화)
|
||||
# Stacked Generalization
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "여러 모델의 예측 결과라는 새로운 차원의 데이터를 만들고, 이를 다시 학습하는 '메타 모델(Meta-model)'을 통해 개별 지능의 편향을 상쇄하고 통합된 통찰을 도출하라" — 서로 다른 모델들의 장점을 결합하여 단일 모델보다 강력한 일반화 성능을 얻기 위해 층(Stack)을 쌓아 학습하는 앙상블 기법.
|
||||
> **이 문서는 [[Ensemble-Methods]] 의 중복본입니다.** Canonical 문서로 redirect.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Multi-level Learning and Predictive Synthesis" — 1단계에서 여러 기저 모델(Base Models)을 독립적으로 학습시켜 예측값을 얻고, 2단계에서 이 예측값들을 입력값으로 삼아 최종 정답을 맞히는 메타 모델을 학습시켜 최적의 조합을 찾아내는 패턴.
|
||||
- **핵심 프로세스:**
|
||||
- **Base Models (Level 0):** 랜덤 포레스트, XGBoost, 신경망 등 다양한 특성의 모델들.
|
||||
- **Meta Model (Level 1):** 기저 모델들의 예측 패턴을 학습하여 최종 결론 도출 (주로 선형 회귀나 가벼운 모델 사용).
|
||||
- **Out-of-fold Prediction:** 과적합을 막기 위해 교차 검증(Cross-validation)을 통해 메타 데이터를 생성하는 것이 필수.
|
||||
- **의의:** 단일 모델로는 도달하기 힘든 극단적인 정확도를 달성하게 해주며, 모델들 간의 보완적 관계를 데이터로부터 스스로 학습하게 함.
|
||||
## 매 핵심 요약 (Stacking 관점)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순히 모델을 많이 합치면 좋다는 맹신에서 벗어나, 이제는 모델 간의 상관관계(Correlation)가 낮을수록(즉, 서로 다른 방식으로 틀릴수록) 스태킹의 효과가 극대화된다는 사실이 설계의 핵심 원칙이 됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 최종 판단 신뢰도를 높이기 위해, 서로 다른 아키텍처를 가진 언어 모델들의 응답을 종합하여 최적의 답변을 선택하는 스택 일반화 로직을 추론 파이프라인에 적용함.
|
||||
- 매 Stacking (Wolpert 1992) — 매 multiple base learners 의 prediction 을 meta-learner 가 combine 하는 ensemble.
|
||||
- 매 vs Bagging/Boosting: heterogeneous models (RF + GBM + NN + linear) 의 mix — 매 different inductive bias 의 활용.
|
||||
- 매 OOF (Out-of-Fold) prediction 의 핵심 — 매 K-fold 로 base prediction 생성하여 leakage 방지.
|
||||
- 매 meta-learner 는 보통 simple — 매 logistic regression / Lasso (overfitting 회피).
|
||||
- 매 Kaggle 의 staple — 매 top solution 의 1~3% lift 의 source. 매 2026 의 production 에서는 inference cost 의 trade-off 존재.
|
||||
- 매 Super Learner (van der Laan) — 매 stacking 의 statistical 정식화.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Random-Forest-Classifiers|Random-Forest-Classifiers]], [[Optimization-in-AI|Optimization-in-AI]], [[Performance-Metrics-in-AI|Performance-Metrics-in-AI]], [[Representation-Learning|Representation-Learning]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Stacked-Generalization.md
|
||||
## 🔗 Graph
|
||||
- 부모: [[Ensemble-Methods]] (canonical)
|
||||
- 변형: [[Bagging]] · [[Boosting]] · [[Blending]]
|
||||
- Adjacent: [[Random-Forest]] · [[XGBoost]] · [[Cross-Validation]] · [[Kaggle-Competitions]]
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
|
||||
## 💻 코드 패턴 (Code Patterns)
|
||||
|
||||
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
|
||||
|
||||
```text
|
||||
# TODO
|
||||
```
|
||||
|
||||
## 🤔 의사결정 기준 (Decision Criteria)
|
||||
|
||||
**선택 A를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
|
||||
**선택 B를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
|
||||
**기본값:**
|
||||
> *(TODO)*
|
||||
|
||||
## ❌ 안티패턴 (Anti-Patterns)
|
||||
|
||||
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
|
||||
## 🕓 변경 이력
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | 중복 처리 — Ensemble-Methods canonical 문서로 redirect |
|
||||
|
||||
Reference in New Issue
Block a user