×
张春霞;张江舍;张盖英

使用boosting来修剪双袋集合。 （英语） Zbl 1452.62145号

计算。统计数据分析。 53，编号4，1218-1231（2009）。
小结：Boosting用于确定基本预测因子聚合为Double-Bagging集合的顺序，并通过基于两个启发式停止规则提前停止聚合过程来构建子集合。在所有研究的分类和回归问题中，在大多数情况下，修剪后的集合的性能优于或好于打包、Boosting和完全随机排序的双打包集合。因此，在综合考虑预测精度、预测速度和存储要求的情况下，该方法可能是解决当前预测问题的一个很好的选择。

引用于5文件

MSC公司：

62-08 统计问题的计算方法
62H30型 分类和区分；聚类分析（统计方面）
68T05型 人工智能中的学习和自适应系统

软件：

UCI-毫升;引导数据库;阿达·布斯特。RT公司;阿达·布斯特。MH公司;SABoost公司
PDF格式BibTeX公司 XML格式引用
\textit{C.-X.Zhang}等人，计算。统计数据分析。53，第4号，1218--1231（2009；Zbl 1452.62145）
全文： 内政部

参考文献：

[1] Adem，J。；Gochet，W.，《用数学编程聚合分类器》，计算。统计师。数据分析。，47, 4, 791-807 (2004) ·Zbl 1429.62230号
[2] 阿莫尔斯，J。；塞贝，N。；Radeva，P.，推进距离估计：应用于K-最近邻分类器，模式识别。莱特。，27, 3, 201-209 (2006)
[3] Asuncion，A.，Newman，D.J.，2007年。UCI机器学习库。网址：网址：http://www.ics.uci.edu/mlearn/MLRepository.html，加利福尼亚州欧文：加利福尼亚大学信息与计算机科学学院；Asuncion，A.，Newman，D.J.，2007年。UCI机器学习库。URL可用位置：网址：http://www.ics.uci.edu/mlearn/MLRepository.html，加利福尼亚州欧文：加利福尼亚大学信息与计算机科学学院
[4] Avnimelech，R。；Intrator，N.，Boosting回归估计量，神经计算。，11, 2, 499-520 (1999)
[5] 贝克，B。；Heskes，T.，神经网络模型的聚类集成，神经网络，16，2，261-269（2003）
[6] Banfield，R.E。；洛杉矶霍尔。；鲍耶，K.W。；Kegelmeyer，W.P.，《集合多样性措施及其在间伐中的应用》，Inform。融合，6，1，49-62（2005）
[7] 鲍尔，E。；Kohavi，R.，《投票分类算法的经验比较：打包、增强和变体》，马赫。学习。，36, 1-2, 105-139 (1999)
[8] Breiman，L.，装袋预测，马赫数。学习。，24, 2, 123-140 (1996) ·Zbl 0858.68080号
[9] Breiman，L.，1996年b。银行外估算。加利福尼亚大学伯克利分校统计系技术报告，加利福尼亚州94708；Breiman，L.，1996年b。银行外估算。加州大学伯克利分校统计系技术报告94708
[10] Breiman，L.，电弧分类器，Ann.Statist。，26, 3, 801-849 (1998) ·Zbl 0934.62064号
[11] Breiman，L.，《随机森林》，马赫。学习。，45, 1, 5-32 (2001) ·Zbl 1007.68152号
[12] Breiman，L.，《使用迭代装袋法借记回归》，马赫。学习。，45, 3, 261-277 (2001) ·Zbl 1052.68109号
[13] 布雷曼，L。；弗里德曼，J。；Olshen，R。；Stone，C.，《分类和回归树》（1984），查普曼和霍尔出版社：纽约查普曼与霍尔出版社·兹伯利0541.62042
[14] Chandra，A。；Yao，X.，《进化学习机器的混合集成以实现更好的泛化》，神经计算，69，7-9，686-700（2006）
[15] 德米尔，C。；Alpaydin，E.，Cost-consicious分类器集成，模式识别。莱特。，26, 14, 2206-2214 (2005)
[16] Dietterich，T.G.，《构建决策树集合的三种方法的实验比较：打包、提升和随机化》，马赫。学习。，40, 2, 139-157 (2000)
[17] 多明戈斯，P.，通过多个模型从实例中获取知识，（第14届国际机器学习会议论文集（1997），摩根·考夫曼：摩根·考夫曼旧金山），98-106
[18] Drucker，H.，《使用Boosting技术改进回归量》，（第十四届机器学习国际会议论文集（1997），摩根考夫曼：摩根考夫曼旧金山），107-115
[19] 达菲，N。；Helmbold，D.，回归的推进方法，马赫数。学习。，47, 2-3, 153-200 (2002) ·Zbl 0998.68113号
[20] 埃夫隆，B。；Tibshirani，R.，《Bootstrap简介》（1993），查普曼和霍尔：查普曼与霍尔新作品·Zbl 0835.62038号
[21] 弗朗索瓦，J。；Grandvalet，Y。；Denœux，T。；Roger，J.M.，《重采样与合并：改进证据模式分类中不确定性表示的方法》，Inform。聚变，4，2，75-85（2003）
[22] 弗伦德，Y。；Schapire，R.，《在线学习的决策理论推广及其在Boosting中的应用》，J.Compute。系统科学。，55, 1, 119-139 (1997) ·Zbl 0880.68103号
[23] Friedman，J.，多元自适应回归样条曲线，Ann.Statist。，19, 1, 1-141 (1991) ·Zbl 0765.62064号
[24] Friedman，J.，《贪婪函数近似：梯度推进机》，Ann.Statist。，29, 5, 1189-1232 (2001) ·Zbl 1043.62034号
[25] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，《加性逻辑回归：Boosting的统计观点》，Ann.Statist。，28, 2, 337-407 (2000) ·Zbl 1106.62323号
[26] Giacinto，G。；Roli，F.，《多分类器系统的自动设计方法》，模式记录。莱特。，22, 1, 25-33 (2001) ·Zbl 0978.68117号
[27] Hansen，J.V.，2000年。组合预测因素：元机器学习方法和偏差/方差和模糊度分解。丹麦奥胡斯大学计算机科学系博士学位论文；Hansen，J.V.，2000年。组合预测因素：元机器学习方法和偏差/方差和模糊度分解。丹麦奥胡斯大学计算机科学系博士学位论文
[28] Ho，T.K.，构建决策森林的随机子空间方法，IEEE Trans。模式分析。机器。整数。，20832-844（1998年）
[29] Hothorn，T。；Lausen，B.，Double-Bagging:通过引导聚合组合分类器，Pattern Recog。，36, 6, 1303-1309 (2003) ·Zbl 1028.68144号
[30] Hothorn，T。；Lausen，B.，通过装袋树捆绑分类器，计算。统计数据分析。，49, 4, 1068-1078 (2005) ·Zbl 1429.62246号
[31] Kim，H.C。；庞，S。；Je，H.M.先生。；Kim，D。；Bang，S.Y.，构建支持向量机集成，模式识别。，36, 12, 2757-2767 (2003) ·Zbl 1059.68091号
[32] Kuncheva，L.I.，六种分类器融合策略的理论研究，IEEE Trans。模式分析。机器。整数。，24, 2, 281-286 (2002)
[33] Kuncheva，L.I.，《组合模式分类器、方法和算法》（2004），Wiley Interscience:Wiley Interscience Hoboken，NJ·Zbl 1066.68114号
[34] Kuncheva，L.I。；Bezdek，J.C。；Duin，R.P.W.，《多分类器融合的决策模板：实验比较》，模式识别。，34, 1, 299-314 (2001) ·兹比尔0991.68064
[35] Kuncheva，L.I。；斯科里奇纳，M。；Duin，R.P.W.，《利用线性分类器对袋装和增压的多样性进行的实验研究》，Inform。融合，3，4，245-258（2002）
[36] 卢茨，R.W。；Kalisch，M。；Bühlmann，P.，稳健性增强，计算。统计数据分析。，52, 7, 3331-3341 (2008) ·Zbl 1452.62503号
[37] 麦克林（R.Maclin）。；Optiz，D.，《装袋和增压的实证评估》，（第十四届全国人工智能会议论文集（1997），美国人工智能学会出版社：美国人工智能协会罗德岛出版社），546-551
[38] Marginantu，D.D。；Dietterich，T.G.，Pruning adaptive Boosting，（第十四届机器学习国际会议论文集（1997），Morgan Kaufmann:Morgan Koufmann San Francisco），211-218
[39] 马丁内斯·穆尼奥斯，G。；苏亚雷斯，A.，切换类标签以生成分类集合，模式识别。，38, 10, 1483-1494 (2005)
[40] 马丁内斯·穆尼奥斯，G.，苏亚雷斯，A.，2006年。修剪成有序的套袋组合。收录于：第23届国际机器学习大会论文集。宾夕法尼亚州匹兹堡，第609-616页；马丁内斯·穆尼奥斯，G.，苏亚雷斯，A.，2006年。修剪成有序的套袋组合。摘自：第23届机器学习国际会议论文集。宾夕法尼亚州匹兹堡，第609-616页
[41] 马丁内斯·穆尼奥斯，G。；Suárez，A.，《使用Boosting修剪装袋组合》，模式识别。莱特。，28, 1, 156-165 (2007)
[42] 马斯洛夫，I.V。；Gertner，I.，《多传感器融合：进化算法方法》，Inform。Fusion，7，3，304-330（2006）
[43] 梅尔，R。；Rätsch，G.，（《提升和杠杆作用导论》，《提升与杠杆作用导言》，Lect.Notes Compute Sci，第2600卷（2003）），119-184·Zbl 1019.68092号
[44] Prodromidis，A.L。；Stolfo，S.J.，基于成本复杂性的集成分类器剪枝，Know。通知。系统。，3, 4, 449-469 (2001) ·Zbl 0987.68630号
[45] Rätsch，G。；Onoda，T。；Müller，K.R.，为Adaboust制作的软饮料，马赫。学习。，42, 3, 287-320 (2001) ·Zbl 0969.68128号
[46] 罗德里格斯，J.J。；Kuncheva，L.I。；Alonso，C.J.，《旋转森林：一种新的分类器集成方法》，IEEE Trans。模式分析。机器。整数。，28, 10, 1619-1630 (2006)
[47] 夏皮雷，R.E。；弗伦德，Y。；Bartlett，P。；Lee，W.S.，《提高差距：投票方法有效性的新解释》，Ann.Statist。，26, 5, 1651-1686 (1998) ·Zbl 0929.62069号
[48] Shrestha，D.L。；Solomatine，D.P.，AdaBoost实验。RT：一种改进的回归增强方案，神经计算。，18, 7, 1678-1710 (2006) ·Zbl 1115.68488号
[49] 曹国荣。；Chang，Y.I.，增压的随机近似观点，计算。统计数据分析。，52, 1, 325-344 (2007) ·Zbl 1452.62134号
[50] Tsymbal，A。；Puuronen，S。；Patterson，D.W.，用简单贝叶斯分类集成特征选择，Inform。融合，4，2，87-100（2003）
[51] Vannoorenberghe，P.，关于聚合信念决策树，Inform。融合，5，3，179-188（2004）
[52] 维斯瓦纳特，P。；Murty，M.N。；Bhatnagar，S.，多个近似最近邻分类器的融合，用于快速有效的分类，Inform。融合，5，4，239-250（2004）
[53] Webb，G.I.，《多重增压：一种结合增压和摇摆的技术》，马赫。学习。，40, 2, 159-196 (2000)
[54] Weston，J.A.E.、Stitson，M.O.、Gammerman，A.、Vovk，V.、Vapnik，V.，1996年。支持向量机实验。技术报告：CSD-TR-96-19，伦敦皇家霍洛威大学；Weston，J.A.E.、Stitson，M.O.、Gammerman，A.、Vovk，V.、Vapnik，V.，1996年。支持向量机实验。技术报告：CSD-TR-96-19，伦敦皇家霍洛韦大学
[55] 张春霞。；Zhang，J.S.，用于解决分类问题的局部推进算法，计算。统计数据分析。，52, 4, 1928-1941 (2008) ·Zbl 1452.62478号
[56] 周，Z.H。；吴建新。；Tang，W.，集成神经网络：许多可能比所有更好，Artif。整数。，137, 1-2, 239-263 (2002) ·Zbl 0995.68077号
[57] 周，Z.H。；Tang，W.，决策树的选择性集合，（Lect.Notes Artif.Intell.，第2639卷（2003）），476-483·兹比尔1026.68599
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。