データに応じて、複数の可能な分類子を持つ可能性がある問題の機械学習ソリューションを作成しています。そのため、いくつかの分類子を収集しましたが、それぞれが特定の条件で他の分類子よりも優れたパフォーマンスを発揮します。メタ分類戦略を調べているところ、いくつかのアルゴリズムがあることがわかりました。誰かがそれらの間の根本的な違いを指摘できますか?
質問する
2764 次
1 に答える
10
投票アルゴリズムは単純な戦略であり、たとえば、ほとんどの場合に表示されるクラスを取得することにより、分類子の決定の結果を集約します。スタッキング/グレーディング戦略は、この概念の一般化です。v単純に「わかりました。分類器の中から最良の回答を選択するために使用するスキームがあります」と言う代わりに、別の抽象化レイヤーを作成します。そこでは、実際に票kを持つ正しいラベルを予測することを学びます。k
簡単に言えば、基本的な投票/スタッキング/グレーディング方法は次のように概説できます。
- 投票 - あなたは一定の方法を持ってい
vますa_1,...,a_k。a=v(a_1,...,a_k) - スタッキング - 回答を問題の新しい表現として使用するため、
(x_i,y_i)取得したそれぞれについて(a_i_1,...,a_i_k)、トレーニング サンプル((a_i_1,...,a_i_k),y_i)を作成し、メタ分類器をトレーニングします。 - グレーディング - 分類器ごとに個別のメタ分類器をトレーニングして
k、現在のポイントの「分類グレード」を予測し、それを使用して決定を下します
于 2013-09-14T15:12:18.370 に答える