当应用堆叠合奏时，H2O如何称重基础学习者

Question

H2O如何确定基础学习者的权重？用于经验。在示例中，所有基础学习者是否都同样加权？我是否有机会在Metalerner_algorithm中使用正则化参数（例如脊）？避免过度拟合的最佳方法是什么？

Answer 1

堆叠合奏的主要思想（以及将其与其他类型的合奏区分开来的事物，例如随机森林，GBMS，简单平均信心），是使用另一种机器学习模型确定如何加重基础学习者。（另一个模型是元学习者。）

对于您的第二个问题，您目前无法指定任何参数，但是有一张票，因此很有可能在接下来的几个月内可用。

与此同时，我要说的是基本模型中的过度拟合，比元学习者中的正规化更为重要。