我对分类器概念有疑问。
如果我有一个分类器，那个分类器的性能高达90％。 然后我创建另一个具有相同算法和相同数据集的分类器，并获得90％的性能。
与案例1相同，但每个分类器都有不同的算法。
我从
获得的结果mode(classifier1,classifier2,classifier3,...,classifiern)
这种技术是值得的还是无用的（case1和case2）？
答案 0 :(得分：1)
案例1和案例2都称为集成学习。两者都值得。
对于案例1：请注意，具有相同架构，相同学习算法但初始权重不同的神经网络可能具有非常不同的性能。
类似于案例1（取平均值，而非模式）是Schmidhubers的平均合奏。我在my masters thesis中使用各种数据集和网络架构发布了一些结果（例如表5.2，表5.8，表5.9，表5.11,5.13，......）。