选择性集成学习算法综述

被引：137

作者：

张春霞 ^{[1
]}

张讲社 ^{[2
]}

机构：

[1] 西安交通大学理学院

[2] 西安交通大学机械制造系统工程国家重点实验室

来源：

计算机学报 | 2011年 / 34卷 / 08期

基金：

高等学校博士学科点专项科研基金;

关键词：

选择性集成学习; 基学习机; 集成学习机; 多样性; 泛化能力;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

集成学习因其能显著提高一个学习系统的泛化能力而得到了机器学习界的广泛关注,但随着基学习机数目的增多,集成学习机的预测速度明显下降,其所需的存储空间也迅速增加.选择性集成学习的主要目的是进一步改善集成学习机的预测效果,提高集成学习机的预测速度,并降低其存储需求.该文对现有的选择性集成学习算法进行了详细综述,按照算法采用的选择策略对其进行了分类,并分析了各种算法的主要特点,最后对选择性集成学习在将来的可能研究方向进行了探讨.

引用

页码：1399 / 1410

页数：12

共 30 条

[1] 基于Moore-Penrose逆矩阵的选择性集成 [J].