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