基本、スタッキングで説明変数として渡すモデルは、確率を渡しているの？
はい、一般的にスタッキング（stacking）では、説明変数としてベースモデル（base model）の予測確率を渡すことが一般的です。これは、ベースモデルの予測確率を新しい特徴量として使用し、それをメタモデル（meta-model）に入力することで、複数のモデルの予測を組み合わせて最終的な予測を行うためです。
ベースモデルの予測確率を説明変数として使用する利点は、以下の通りです：
-
情報の保持: モデルが出力する確率は、クラスの属する確率の情報を保持しています。これにより、より多くの情報がメタモデルに提供され、予測の精度向上が期待されます。
-
過学習の軽減: 予測確率を説明変数として使用することで、モデルの過学習を軽減する効果があります。確率を使用することで、モデルが原始データに過剰に適合することを防ぐことができます。
-
非線形性の導入: 予測確率は非線形性を導入し、メタモデルがより複雑な関係性を学習できるようにします。これにより、より柔軟で表現力の高いモデルが構築されます。
したがって、スタッキングにおいては、ベースモデルの予測確率を説明変数として使用することで、予測精度の向上が期待されます。