关于多分类器(系统)集成以及其性能(MCS)

丕子 — Tue, 13 Oct 2009 12:54:24 +0000

多分类器，顾名思义，多个分类器进行集成学习，用多个机器学习算法进行训练和集成。一篇论文中已经证明其效果肯定比任何一个要好。好多少？在于度量。

多个机器学习算法怎么集成，有一定的原则：

1、各个分类器性能不能太差，正确率都保证在50%以上；

2、各个分类器的原理最好不要重叠或者重叠尽量的少；

举个例子：人的识别-人脸分类器、指纹分类器、声音、虹膜、步态等等，几个分类器集成之后，正确率肯定很高了，当然，效率有待于你怎么去优化。SVM一般就很慢，看你怎么用了，LIbsvm 听说比较快。

关于分类器的选择，南大周志华教授做过一定的研究，可以去LAMDA实验室去找找。

多分类器系统MCS目前有国际会议，可以适当关注下，集成学习可以解决很多问题。不妨做相关工作的应用下看看结果。

最近我正在用MCS解决某个问题。抓紧时间写Paper。

您可能也喜欢：
关注下第一届亚洲机器学习会议-ACML’09	大师之人-想跟南大周志华读研或读博么？	在新的划时代的机器学习框架诞生之前，关注下“集成学习(Ensemble Learning)”	第12届中国机器学习会议征文通知	Free Mind：机器学习物语(1)-世界观设定
无觅

丕子 » MCS