GA集成

GA集成:一种用于鲁棒集成的遗传算法已经开发了许多简单和复杂的方法来解决分类问题。Boosting是提高分类器精度的最著名的技术之一。然而,boosting在噪声数据下容易过度拟合,最终模型难以解释。一些boosting方法,包括AdaBoost,对异常值也非常敏感。在本文中,我们提出了一种新的方法-遗传集成,它直接用遗传算法求解弱分类器集及其相关权重。遗传算法利用一个新的惩罚适应度函数来限制弱分类器的数量,并通过最大化适当选择的第百分位值来控制异常值的影响。我们使用几个人工数据集和来自UC-Irvine机器学习库的真实数据集比较了GA-Ensemble、AdaBoost和GentleBoost(AdaBoost的一个防离群值版本)的测试集错误率。GA集成比AdaBoost和GentleBoost更能抵抗异常值,并能得到更简单的预测模型。

本软件关键词

这里的任何东西都将在支持画布元素的浏览器上被替换。


ZBMaCT中的参考文献(1篇文章中提到)

显示1的结果1。
按年份排序(引文)

  1. Oh,Dong Yop;Gray,J.Brian:GA集成:鲁棒集成的遗传算法(2013)