Machine learning 采用重复分类器的模式值得吗?
我有一个关于分类器概念的问题 案例1 如果我有一个分类器,该分类器的性能将达到90%。 我用相同的算法和相同的数据集创建了另一个分类器,并获得了90%的性能 案例2 与案例1相同,但每个分类器使用不同的算法 结合结果 我从中得到的结果Machine learning 采用重复分类器的模式值得吗?,machine-learning,classification,Machine Learning,Classification,我有一个关于分类器概念的问题 案例1 如果我有一个分类器,该分类器的性能将达到90%。 我用相同的算法和相同的数据集创建了另一个分类器,并获得了90%的性能 案例2 与案例1相同,但每个分类器使用不同的算法 结合结果 我从中得到的结果 mode(classifier1,classifier2,classifier3,...,classifiern) 这种技术值不值得(案例1和案例2)?案例1和案例2都被称为集成学习。两者都值得 对于案例1:请注意,具有相同体系结构、相同学习算法但不同初始权重的
mode(classifier1,classifier2,classifier3,...,classifiern)
这种技术值不值得(案例1和案例2)?案例1和案例2都被称为集成学习。两者都值得 对于案例1:请注意,具有相同体系结构、相同学习算法但不同初始权重的神经网络可能具有非常不同的性能 与案例1类似(采用平均值,而非模式)的是施密杜伯斯平均集合。我在中发布了一些关于各种数据集和网络架构的结果(例如表5.2、表5.8、表5.9、表5.11、5.13等) 另见
- 我的博客帖子: