知识卡片
集成效果依赖准确与差异
集成学习把多个模型的预测组合,例如分类时采用多数投票。单个模型需要具备一定预测能力,同时错误不应总是发生在同一批样本上;若所有模型完全相同,简单投票不会消除共同错误。多样性与准确性共同影响效果,增加模型数量本身不保证更好;组合方式也不只限于投票。
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
- 损失函数减肥用,神经网络调权重 8.5 丢弃学习与集成学习 · 查看原书依据
个体学习器都要有一定的准确性,并保证有多样性
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第08章《损失函数减肥用,神经网络调权重》,8.5 丢弃学习与集成学习(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter13_0005.xhtml#txt008_6)
- 结论依据:原文以投票解释集成,并强调学习器“好而不同”;相同错误示例用于解释该条件。
- 原始内容:个体学习器都要有一定的准确性,并保证有多样性