Kombiniranja klasifikatorjev se ponavadi lotimo takrat, ko nismo zadovoljni s klasifikacijsko točnostjo posameznih klasifikatorjev.

Po kratkem pregledu najbolj znanih metod se bomo osredotočili na metodo skladanja klasifikatorjev (angl. Stacking). Skladanje klasifikatorjev poteka v dveh korakih.

V prvem na osnovni učni množici naučimo osnovne klasifikatorje ter na osnovi njihovih napovedi sestavimo meta učno množico. V drugem koraku na tako dobljeni meta učni množici naučimo meta klasifikator.

Klasifikacijo neznanega primera nam nato da meta klasifikator, ki smiselno sestavi napovedi osnovnih klasifikatorjev. Ključnega pomena za uspešnost te metode je izbor atributov meta učne množice in izbor učnega algoritma za meta klasifikator.

Predstavil bom razširjen nabor meta atributov ter uporabo 'multi-response' modelskih dreves za meta klasifikator s katerimi smo dosegli bistveno boljše rezultate kot z uporabo 'multi-response' linearne regresije (MLR), ki je do sedaj veljala za najboljšo metodo skladanja klasifikatorjev.