Statistics 如果两个分类器用于不一致的数据，如何以适当的方式合并它们
我的数据集由两个不相交的子集组成。有两种不同的具有置信度的分类器，每种分类器只能处理一个确定的子集。我需要提高我的系统对整个数据的准确性，所以我需要“组合”这些分类器的可信度。关键是分类器的尺度可能会有很大的不同，例如，在一个置信水平上，错误和接受可能会有很大的不同。也许有一种方法可以将两个分类器的信任度转换为某种统一的尺度？Statistics 如果两个分类器用于不一致的数据，如何以适当的方式合并它们,statistics,machine-learning,Statistics,Machine Learning,我的数据集由两个不相交的子集组成。有两种不同的具有置信度的分类器，每种分类器只能处理一个确定的子集。我需要提高我的系统对整个数据的准确性，所以我需要“组合”这些分类器的可信度。关键是分类器的尺度可能会有很大的不同，例如，在一个置信水平上，错误和接受可能会有很大的不同。也许有一种方法可以将两个分类器的信任度转换为某种统一的尺度？ 准确性意味着在固定错误率（例如，10%的数据集）的情况下最大化接受级别。如何制作第三个分类器，它将使用您的两个分类器（输入），其输出应该是您所期望的。如何通过增强组合分类
准确性意味着在固定错误率（例如，10%的数据集）的情况下最大化接受级别。如何制作第三个分类器，它将使用您的两个分类器（输入），其输出应该是您所期望的。如何通过增强组合分类器。题为“在异构数据库中增强本地化分类器”的论文提供了更多细节。hm，stackoverflow更适合展示一些代码，我相信你的问题更适合math.stackexchange。com@Najzero最好是stats.stackexchange.com，但即使在这里，我也认为这是一个正确的问题（它正确地标记为机器学习）谢谢，但我写道，我不能同时对某个对象使用两个分类器的结果。嗯，我已经把这个问题讨论了好几次，但我没有找到它。如果你没有处理某个时间序列，我无法想象这种情况-也许一些例子会有帮助。。。