俗话说,三个臭皮匠赛过诸葛亮,在机器学习、深度学习领域集中多个模型往往可以比单个模型更优。如何将优秀的模型集中起来,得到更优的模型,就是模型集成所要研究的内容。
1.机器学习的集成学习方法
在机器学习中的集成学习可以在一定程度上提高预测精度,常见的集成学习方法有Stacking,Bagging和Boosting,同时这些集成学习方法与具体验证集划分联系紧密。
由于深度学习模型一般需要较长的训练周期,如果硬件设备不允许建议选取留出法,如果需要追求精度可以使用交叉验证的方法。
下面假设构建了10折交叉验证,训练得到10个CNN模型。