我正在使用X射线图像对肺结核进行分类。当我从X射线图像中提取有用的功能到一个csv文件中，并使用它运行SVM时，精度大约为60％。同时，直接在图像数据集上训练的My CNN模型达到了约80％的精度。我可以在网上找到参考，其中当两个模型分别是机器学习模型或深度学习模型而不是另一个模型时可以使用集成方法。例如，我可以将CNN与另一种CNN集成在一起。
答案 0 :(得分：0)
假设您的问题是“如何使用装袋将SVM和CNN分类器集成在一起”，这并不难。使用整个训练集的子集训练每个模型SVM和CNN（可以使用每个的倍数）。训练完每个模型后，您将提供测试数据，并对所有模型进行分类。它将像投票一样工作。 SVM投票“ True”，CNN也投票“ True”，多数票是“ True”，因此您的整体模型会将其分类为“ True”。
因此，是否使用其他类型的模型也没关系。
答案 1 :(得分：0)
Bootstrap聚合或装袋是一种汇总方法，其中您对训练集的不同样本进行了不同模型的训练。因此，套袋不适用于此处。
在整合CNN和SVM模型的情况下，一种简单的方法是平均预测值。还有其他一些技术，例如称重（准确模型需要更多投票）等。请参考此链接：