基于可信度的投票法

被引：8

作者：

燕继坤

郑辉

王艳

曾立君

机构：

[1] 西南电子电信技术研究所信号盲处理国家重点实验室

来源：

计算机学报 | 2005年 / 08期

关键词：

机器学习; 综合分类; 可信度投票法; 错误率的界; Bagging;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

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.

引用

页码：1308 / 1313

页数：6