佐佐·季埃洛斯基;伯纳德·日恩科 将分类器与堆叠相结合比选择最佳分类器更好吗? (英语) Zbl 1101.68077号 机器。学习。 54,第3期,255-273页(2004年). 摘要:我们实证评估了几种最先进的利用堆叠构建异构分类器集成的方法,并表明它们在通过交叉验证从集成中选择最佳分类器方面的表现(最好)类似。在最先进的叠加方法中,概率分布叠加和多响应线性回归叠加表现最佳。我们提出了该方法的两个扩展,一个使用元级特征的扩展集,另一个使用多响应模型树在元级进行学习。我们表明,后一种扩展比现有的堆叠方法性能更好,也比通过交叉验证选择最佳分类器更好。 引用于15文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 68吨10 模式识别、语音识别 关键词:多响应模型树;堆叠;组合分类器;量词集合;元学习 PDF格式BibTeX公司 XML格式引用 \textit{S.Díeroski}和\textit{B.闰enko},马赫。学习。54,第3号,255--273(2004;Zbl 1101.68077) 全文: 内政部