《表1 模型融合:大数据下的机器学习算法》
应用过程中,单独模型预测数据以及分类方式都是不能满足实际需求,所以,存在的每个模型都可以被称为弱预测器或者弱分类器,如果模型数量足够多,此时就可以将所有模型进行结合,从而就可以获取更好的预测数据以及分类。例如:可以把每个模型获取的结果当做对该样本分类结果,依据投票数量的多少进行确定,票数较多的模型占据的权重更大。再例如:假设存在两个模型:客户信用度估测模型(1)客户信用度估测模型(2)模型结合中所占有的权重划分都是根据客户特征维度对每次分类结果进行投票,模型数量达到一定程度可以把所有模型结合起来,所占的权重也根据每次分类的票数进行确定。具体的模型融合见表1:
图表编号 | XD0056435700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 姜娜、顾庆传、杨海燕、黄吉亚 |
绘制单位 | 昭通学院、昭通学院、昭通学院、昭通学院 |
更多格式 | 高清、无水印(增值服务) |