↑: [[G検定に関する知識]] - [[アンサンブル学習]]の手法；モデルを多段構造で組み合わせる - 仕組み：複数の異なるモデルA・B・Cの予測結果を「メタモデル」への入力として最終判断 - 効果：各モデルの得意・不得意をメタモデルが学習して補正 → 高精度 - Kaggleなどのデータ分析コンペの最終手段として多用 - cf. [[バギング]]（並列）、[[ブースティング]]（直列）