Weka中的堆叠算法是什么?它实际上是如何工作的?

时间:2014-09-27 13:52:39

标签: weka

投票系统是否正在选择基本分类器的结果&然后,实际上Meta分类器得到的是它的输入,整个分类器还是只是错误分类的?如果整个机制可以通过像这个链接这样的简单例子来解释,那将会很有帮助 Majority vote algorithm in Weka.classifiers.meta.vote

提前致谢。

1 个答案:

答案 0 :(得分:2)

考虑一个由n个成员组成的团体。这些成员中的每一个都在一组给定的训练数据上进行训练。集合成员可以共享相同的分类器类型(同类)或使用不同的分类器(异构)。鼓励成员之间的多样性,以便每个成员产生不同的估计值。

不是对每个集合成员的估计进行投票或平均以生成集合估计,而是在集合成员和集合估计之间训练元学习器,其接受每个集合成员的估计作为输入并生成集合输出。

下面概述了一个例子:

Ensemble Member 1 Estimate --->
Ensemble Member 2 Estimate --->  Meta-Learner -> Ensemble Estimate
Ensemble Member 3 Estimate --->

在Weka的情况下,'classifiers'参数指的是最初训练用于估计输出的集合成员,'metaClassifier'是取分类器输入并估计集合输出的模型。

希望这有帮助!