第1章 集成发现
将诸模型集成往往比单一模型得到的效果更显著。集成方式包括:平均法、投票法和顾问感知器。在从回声定位信号中提取蝙蝠分类的试验中,每种蝙蝠有3-8种信号。模型建立和交叉验证的结果显示:
基准精度(选择相对多的数量):27%。
决策树的精度:46%
多项式网络的精度:64%
剪枝后的神经网络的精度:69%
八维变量的最近邻的精度:69%
以上各种方法在不同的数据区域出错,尝试平均这些方法的估计值,优化后可得到74%的精度。
1.1 建立集成
两步构成:(1)建立不同模型 + (2)组合其估计组合可由投票完成,主要还是通过带门限的感知器完成。
(1)贝叶斯:后验加权模型进行平均和估计。
(2)Bagging:自助训练数据集采集多数投票或平均。
(3)随机森林:在被组合树间增加随机成员。
(4)AdaBoost:改变(提升或降低)例子的权重递推构建模型并加权估计。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/79359.html