知识卡片
集成需要准确而互补
投票或平均可降低个体误差的影响,效果取决于错误是否互补。三个分类器各错一个不同样本时,多数票可能全对。如果它们错在同一类样本,投票不会修复这一类错误。应和单模型基线对照验证融合收益。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 全景图:机器学习路线图 · 查看原书依据
产生并融合“好而不同”的个体学习器,是融合模型的关键所在。
参考来源
- 位置:《从零开始:机器学习的数学原理和算法实践》第4章《全景图:机器学习路线图》(来源项目 book-source:extracted/从零开始:机器学习的数学原理和算法实践/_epub-src/OEBPS/Text/chapter004.xhtml)
- 结论依据:书中的三组投票对比展示共享错误、互补错误和多数投错。
- 原始内容:产生并融合“好而不同”的个体学习器,是融合模型的关键所在。