基础分类器的结果是由投票系统选择的,然后元分类器在输入时实际上得到了什么,整个分类器还是只是错误分类的分类器?如果可以用像这个链接这样的简单示例来解释整个机制,那将会很有帮助Weka.classifiers.meta.vote 中的多数投票算法 https://stackoverflow.com/questions/11626417/majority-vote-algorithm-in-weka-classifiers-meta-vote
提前致谢。
考虑一个由 n 个成员组成的集合。这些成员中的每一个都接受了一组给定的训练数据的训练。集成成员可以共享相同的分类器类型(同质)或使用不同的分类器(异质)。鼓励成员之间的多样性,以便每个成员产生不同的估计。
堆叠不是对每个集成成员的估计进行投票或平均来生成集成估计,而是在集成成员和集成估计之间训练元学习器,该元学习器接受每个集成成员的估计作为输入并生成集成输出。
下面概述了一个示例:
Ensemble Member 1 Estimate --->
Ensemble Member 2 Estimate ---> Meta-Learner -> Ensemble Estimate
Ensemble Member 3 Estimate --->
就 Weka 而言,“分类器”参数是指最初经过训练以估计输出的集成成员,而“元分类器”是采用分类器输入并估计集成输出的模型。
希望这可以帮助!
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)