集合策略 与 学习器的多样性

西瓜书 8.4/ 8.5
结合策略
假定 集成包涵T个基学习器 : h1 …hT
hi 在 x 上的输出 为 hi(x)
常见的结合策略:

简单平均法 :
在这里插入图片描述

加权平均法:
在这里插入图片描述
wi 是个体学习器的hi 的权重,且满足:
在这里插入图片描述
说明 :
加权平均法 的权重一般是从 训练数据中学习而得,现实任务中的训练样本通常不充分或存在噪声,这将使得学习出的权重不完全可靠,尤其是对规模比较大的集成来说,要学习的权重较多,容易过拟合。
加权平均法未必一定优于简单平均法,在个体学习器性能相差较大时使用加权平均法,在个体学习器性能相近时使用简单平均法。

投票法

      绝对多数投票法
                     即若某标记 得票数过半,则预测为该标记,否则拒绝预测。
      相对多数投票法
                  即预测为得票最多的标记,若同时有多个标记获得最高票,则从中随机选取一个。
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值