微笑

简单的模拟分类器。分类器组合是提高分类器精度的有力工具,它利用多个模型的预测并将其组合起来。许多实用的组合技术都是将多个分类器的输出作为第二层分类器的输入。这种和其他多分类器方法的问题是,存储一组多分类器需要大量内存,更重要的是,单个分类器的可理解性丧失,无法从模型中获取知识或洞察力。为了克服这些局限性,本文分析了量词集合中“模仿”语义的思想。更准确地说,我们使用分类器组合来标记一个发明的随机数据集,然后,我们使用这个人工标记的数据集来重新训练单个模型。该模型具有以下优点:它几乎类似于高精度的组合模型,作为一个单一的解决方案,它需要更少的内存资源,不必为执行此过程保留额外的验证测试,更重要的是,结果模型被表示为一个单一的分类器在原始属性方面,因此,它是可以理解的。首先,我们用一个流行的数据挖掘包来说明这种方法,说明它可以推广到一般的实践中,然后我们使用我们的系统SMILES,它自动化了过程并利用了它的集成方法。

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. Estruch,V.;Ferri,C.;Hernández Orallo,J.;Ramírez Quintana,M.J.:简单模拟分类器(2003)