基于Moore-Penrose逆矩阵的选择性集成

本文提出了一种基于Moore-Penrose逆矩阵的新型选择性集成学习算法。先独立训练出一批个体学习器并为每个学习器指定一个初始权值,然后应用基于Moore-Penrose逆矩阵的算法对这些权值进行优化,最后选择权值较大的个体学习器进行最终集成。本文提出的选择性集成学习算法方法简单、易于实现,执行效率高。对8个真实数据集的实验表明,该集成学习算法相对于一般的集成学习算法,可以采用更少的学习器而获得更高的泛化能力。