为什么要集成学习器
从统计方面,降低因单一学习器误选导致的泛化性能不佳的风险
从计算方面,降低陷入局部极小点的风险
从表示方面,扩大假设空间,可以学得更好的近似
几种常见的结合策略
平均法-数值型输出常用结合策略
1.简单平均法
2.加权平均法,要求权重非负且和为1
一般个体学习器性能相差较大时使用加权平均,性能相近时使用简单平均法(可用测试集准确率判断性能)
投票法-分类
1.绝对多数投票法:若某标记得票过半,则预测为该标记,否则拒绝预测(在可靠性要求高的学习任务中很有效)
2.相对多数投票法:预测为得票最多的标记,若同时有多个标记获得最高票,则随机选取一个
3.加权投票法:要求权重非负且和为1
4.使用类标记的投票称“硬投票”,使用类概率的投票称“软投票”
基学习器类型不同,其类概率值不能直接进行比较,通常将类概率输出转化为类标记输出(例:将类概率输出最大设为1,其他设为0)然后再投票
学习法-通过另一个学习器结合
Stacking是典型代表,个体学习器称为初级学习器,用于结合的学习器称为次级学习器或元学习器。
基本思想:先从初始数据集训练出初级学习器,然后将初级学习器的输出特征(一般采用留一法或交叉验证法,使用训练初级学习器未使用到的样本来产生次级学习器样本)与对应的初始训练集的标记组合为新的数据集用于训练次级学习器(初始Xi 输出Zi 标记Yi ,初级训练器(Xi,Yi),次级训练器(Zi,Yi))