Machine learning 基于libLinear的分类后期融合步骤

最近我在做一项使用libLinear作为内核的分类工作。 并将两类特征集训练成两个模型，对查询输入进行预测。 为了利用后期融合来结合两个模型的结果，我修改了liblinear的代码，这样我可以得到不同类的决策分数。所以我们得到了两组分数来确定查询应该在哪个类中

---

有没有标准的方法来进行这种“后期融合”，或者只是直观地将每个类的两个分数相加，然后选择分数最高的类作为候选类？

组合多个分类器的标准方法是单个分类器分数的加权和。当然，您还有指定权重系数的问题。有不同的可能性：

• 统一设置权重
• 设置与分类器性能成比例的权重
• 训练一个以分数为输入的新分类器

---

组合多个分类器的标准方法是单个分类器得分的加权和。当然，您还有指定权重系数的问题。有不同的可能性：

• 统一设置权重
• 设置与分类器性能成比例的权重
• 训练一个以分数为输入的新分类器

---

我正在寻找与后期融合相关的代码。我有功能，但我不知道如何使用它们执行后期融合。我正在寻找与后期融合相关的代码。我有一些特性，但我不知道如何使用它们执行后期融合。