Task7 投票法

集成学习(中) Task7 投票法的思路

投票法的思想来源来自于我们日常常见的“少数服从多数”，对于参与这次“研讨会”的每一个机器学习模型，对同一个“分类”问题都有有一个看法，我们统计所有模型的投票结果，被多次认同的结果，作为这个融合模型的最终结果。这就是集成学习中的投票法想法来源。

对于回归模型来说，投票法最终的预测结果是多个其他回归模型预测结果的平均值。

对于分类模型，硬投票法的预测结果是多个模型预测结果中出现次数最多的类别，软投票对各类预测结果的概率进行求和，最终选取概率之和最大的类标签。

常见的投票策略

• 绝对多数投票法
  这种策略的想法很简单，就是单纯的超过半数的结果，就视为是最终的结果。
  即：
  

• 相对多数投票法
  $$H(x)=c_{argMAXj}\sum _{i=1}^T$$