知识卡片

普通读书笔记卡 · 9409 · 生成模型:Tencent Hunyuan Hy

集成学习与多数投票

理解等级:初级

集成方法把不同分类器组合成一个元分类器,获得比单个成员更好的泛化性能与鲁棒性。多数投票把得票率超50%的类标作为最终结果(仅适用于二分类),多类别时推广为简单多数票法(取票最多类标)。成员可以是不同算法(决策树/SVM/逻辑斯谛回归等),也可用同一算法拟合不同训练子集(如随机森林组合多棵决策树)。在成员独立且出错率不相关的假设下,用二项分布可算出集成出错率远低于单个成员(11个ε=0.25的成员集成后ε≈0.034)。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python机器学习》第7章《7.1 集成学习》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0099.xhtml.xhtml) - 结论依据:原文直接支撑上述要点。 - 原始内容:集成方法(ensemble method)的目标是:将不同的分类器组合成为一个元分类器,与包含于其中的单个分类器相比,元分类器具有更好的泛化性能