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：