给出两个可以在测试集上进行预测的深度学习模型，我要做的是使用BMA（贝叶斯模型平均）对模型进行平均以更好地进行预测？
确切的程序是什么？在有关BMA如何工作的文献中，我努力了解p（h）的确切含义，其中h是模型。
是否有使用Sklearn在Python中执行此操作的简单方法？
答案 0 :(得分：0)
您必须从每个模型中获得预测的概率，然后将它们取平均值以获得最终概率，
我认为p（H）表示从模型H输出的概率
答案 1 :(得分：0)
如果您有一个使用softmax激活函数的密集层，则输出层的每个节点将提供一个概率值。
因此，您在输出层有10个节点，意味着10个类。您将拥有10个概率值，每个概率值代表每个类别。
现在从两个模型中您将获得10 * 2的概率值（如果每个输出层中有10个节点）。 BMA根据一些数学公式生成模型，需要根据数据进行选择。
您可以使用以下github存储库中的代码来计算BMA：