---
id: wiki-2026-0508-stacked-generalization
title: Stacked Generalization
category: 10_Wiki/Topics
status: duplicate
canonical_id: ensemble-methods
duplicate_of: "[[Ensemble-Methods]]"
aliases: [stacking, stacked-ensemble, super-learner]
source_trust_level: A
confidence_score: 0.9
verification_status: redirected
tags: [duplicate, ensemble, ml, stacking]
last_reinforced: 2026-05-10
github_commit: pending
---

# Stacked Generalization

> **이 문서는 [[Ensemble-Methods]] 의 중복본입니다.** Canonical 문서로 redirect.

## 매 핵심 요약 (Stacking 관점)

- 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.

## 🔗 Graph
- 부모: [[Ensemble-Methods]] (canonical)
- 변형: [[Bagging]] · [[Boosting]]
- Adjacent: [[Random-Forest]] · [[XGBoost]]

## 🕓 변경 이력
| 날짜 | 변경 |
|---|---|
| 2026-05-08 | Phase 1 |
| 2026-05-10 | 중복 처리 — Ensemble-Methods canonical 문서로 redirect |