计算机学报
計算機學報
계산궤학보
CHINESE JOURNAL OF COMPUTERS
2005年
8期
1308-1313
,共6页
燕继坤%郑辉%王艳%曾立君
燕繼坤%鄭輝%王豔%曾立君
연계곤%정휘%왕염%증립군
机器学习%综合分类%可信度投票法%错误率的界%Bagging
機器學習%綜閤分類%可信度投票法%錯誤率的界%Bagging
궤기학습%종합분류%가신도투표법%착오솔적계%Bagging
可信度投票法不仅使用了基分类器输出的类别,还使用了输出的可信度.推导了该方法训练错误率的界以及期望错误率的界.发现为了最小化期望错误率的界,应该使用错误独立的基分类器,如果基分类器的错误率不是很高,这个界以指数级速度随着基分类器错误率的降低而降低,而且这个界随着投票次数的增加也会下降.在最小化训练错误率的界的意义下,得到了一种权值分配方法.把这个方法应用于一种Bagging算法:AB,得到了综合分类算法CAB.使用UCI机器学习数据集中的数据,通过实验验证了CAB的有效性.
可信度投票法不僅使用瞭基分類器輸齣的類彆,還使用瞭輸齣的可信度.推導瞭該方法訓練錯誤率的界以及期望錯誤率的界.髮現為瞭最小化期望錯誤率的界,應該使用錯誤獨立的基分類器,如果基分類器的錯誤率不是很高,這箇界以指數級速度隨著基分類器錯誤率的降低而降低,而且這箇界隨著投票次數的增加也會下降.在最小化訓練錯誤率的界的意義下,得到瞭一種權值分配方法.把這箇方法應用于一種Bagging算法:AB,得到瞭綜閤分類算法CAB.使用UCI機器學習數據集中的數據,通過實驗驗證瞭CAB的有效性.
가신도투표법불부사용료기분류기수출적유별,환사용료수출적가신도.추도료해방법훈련착오솔적계이급기망착오솔적계.발현위료최소화기망착오솔적계,응해사용착오독립적기분류기,여과기분류기적착오솔불시흔고,저개계이지수급속도수착기분류기착오솔적강저이강저,이차저개계수착투표차수적증가야회하강.재최소화훈련착오솔적계적의의하,득도료일충권치분배방법.파저개방법응용우일충Bagging산법:AB,득도료종합분류산법CAB.사용UCI궤기학습수거집중적수거,통과실험험증료CAB적유효성.
