El modelado de conjunto es el proceso de crear un sistema de clasificador múltiple (MCS) o conjunto de clasificadores (EoC). El modelado de conjunto también puede referirse al conjunto de regresores, pero en esta respuesta, nos referiremos únicamente al conjunto de clasificadores .
Por lo general, el modelado de conjunto incluye 3 fases principales:
- Generación : el proceso de generar el conjunto, puede ser a través de técnicas como Bagging, Boosting, Random Subspace o una generación manual , en la que los clasificadores básicos del conjunto se entrenan manualmente y se incluyen en el conjunto de clasificadores (generalmente, clasificadores heterogéneos) .
- Selección : reduzca el tamaño del conjunto manteniendo solo los “buenos clasificadores”. Si este proceso se realiza solo una vez, se llama poda; de lo contrario, tiene una selección de clasificador estático y dinámico (una selección diferente para cada muestra de prueba).
- Combinación : combina la salida de clasificadores en una sola predicción. Existen diferentes enfoques, como el voto mayoritario, el voto mayoritario ponderado y reglas como la media, el máximo, el mínimo, la mediana, el producto de las probabilidades a priori. También es posible combinar la salida de clasificadores usando otro clasificador.
La mayoría de estas reglas generales también se aplican para apilar y mezclar (que también son parte del modelado de conjunto) y, por lo general, son aún más complejas.
- Quiero solicitar un programa de doctorado en Machine Learning, ¿cómo debo prepararme?
- ¿Cuáles son las ventajas y desventajas de cada método de regresión no lineal existente?
- ¿Qué son las medidas completamente aleatorias y cómo / cuándo son útiles?
- ¿Hay un grupo de investigadores trabajando en la síntesis de texto EEG (conversión de pensamiento a texto)?
- ¿Qué significa el impulso en el descenso de gradiente estocástico?
Enlaces útiles:
- Guía de ensamblaje de Kaggle
- 5 preguntas fáciles sobre modelado de conjunto que todos deberían saber
- brew – brew 0.1.3 documentación