Machine learning 如何利用遗传算法在WEKA中找到投票分类器的权重？

我的工作是：“使用集成学习预测肾结石类型的新方法”。作者使用遗传算法来寻找与WEKA投票的最佳权重向量，但我不知道他们能做到这一点。如何使用遗传算法找到WEKA投票分类器的权重

以下段落摘自该条：

为了提高投票算法的性能，提出了一种加权算法 使用多数票。简单多数投票算法通常是一种 组合不同分类器的有效方法，但不是全部 分类器对分类问题也有同样的影响。到 从权重多数投票分类器优化结果，我们需要 找到最优权重向量。应用遗传算法是我们的目标 求解该问题的最优权向量

---

假设您有一些经过训练的分类器和测试集，您可以创建一个方法

calculateFitness（double[]weights）

。在该方法中，对于每个

实例

根据

权重计算所有预测和合并预测。使用组合预测和实际值来计算要最大化/最小化的总分

使用calculateFitness方法，您可以创建自定义GA以找到最佳权重。
我没有访问该文章的权限，但任何使用GAs的像样文章都包含以下内容：（1）使用了哪种GA，或自定义GA的伪代码（理想情况下是实际源代码）。（2）GA的参数值（3）遗传算法运行了多少次评估/世代（4）尝试了多少随机种子以及结果的分布情况。如果论文缺少这些信息，那就是有人在做伪劣的奖学金，这应该会影响你对论文所报道的其他内容的评价。可能是B.s。