我正在尝试对我的二进制垃圾邮件分类模型应用Ensemble方法。 垃圾邮件图片是世界上任何不是手写或课本点击问题的图片。我的非垃圾邮件图片如下:
所以这些图像遵循一些有趣的模式
error: non-aggregate type 'vector<City>' cannot be initialized
with an initializer list
vector<City> cities = {
^ ~
,所以我提取了width>height
的特征ratio
grayscale_image.std()
(几乎97.5%)都在<= 20.0的范围内,而99.1%的范围是在<= 30的范围内。但是对于垃圾邮件图片,它最多可以增加到150张。因此,我尝试在模型中使用这3个功能。我是第一次使用它,所以我不知道该如何使用Ensemble。让我们假设我有一个训练有素的CNN模型,其中1个密集层包含256个神经元,最后一层为Non-spam Image
,其中包含1个神经元。 (或Sigmoid
)
Softmax with 2
所以我的2个候选人在训练后的输出将是
in_ = Input(shape)
...
....
second_last = Dense(256,activation='relu')(prev_out)
out_ = Dense(1,activation='sigmoid')(second_last)
model = Model(in_,out_)
或Average Voting
(根据每个模型的%f-1分数赋予每个模型的权重)用于最终概率吗? / li>
哪个应该产生更好的结果?有人可以为此提供一个伪代码吗?