对于数据集D（n * m），n是样本数，m是特征数。 有k个弱分类器，每个分类器的准确性为60％。 多少个弱分类器组合可以将准确性提高到90％？ 这个问题可以用数学公式解决吗？
如果使用2个分类器，则准确性为60％ 如果使用3个分类器，则准确性为64.8％（3 * 60％^ 2 * 40％+ 60％^ 3） 是吗？
答案 0 :(得分：0)
您的问题背后的想法很完整。 当您选择的每个模型对于单个类都表现良好时，这可以起作用。因此，您可以根据类别为每个类别分配权重，并生成最终输出。
例如， 你有3个班级（C1，C2，C3）
让模型A预测C1很好，那么您可以将C1的最终概率设置为
prob_of_C1 = model_A_prob * 0.7 + model_B_prob * 0.2 + model_C_prob * 0.1
类似地，您可以将相同的规则应用于其他类。您可能必须更改分配的权重，这通常是基于该特定类的每个模型的精度来完成的。仅当您对不同的类执行不同的模型时，这才有效。
如果您想了解更多信息，可以查看 xgboost算法，此博客很好地解释了https://towardsdatascience.com/https-medium-com-vishalmorde-xgboost-algorithm-long-she-may-rein-edd9f99be63d