weka学习报告51
需积分: 0 66 浏览量
2022-08-08
21:58:20
上传
评论
收藏 107KB DOCX 举报
基于 WEKA 的数据挖掘算法学习（五）
1. 集成学习的理论知识
1.1 个体与集成
集成学习通过构建并结合多个学习器来完成学习任务，也成为多分类器系统。一般结构：
产生一组“个体学习器”，再用策略将其结合起来。个体集成器通常由现有的学习算法从训练
集产生，BP 神经网络、C4.5 等等。
图 1 集成学习示意图
由集成学习示意图可以清楚展示集成学习之间的关系，将多个学习器结合，通常可获得
比单一学习器显著优越的泛化性能。
要获得比单一学习器更好的性能，获得好的集成，应该满足个体学习器“好而不同”。
图 2 集成个体应好而不同示意图
很明显，由图 2 知道，集成效果是第一幅图实例，即个体好而不同，集成效果更好。
目前两类集成学习方法：1、个体学习器存在强依赖关系，必须串行生成的序列化方法；
2、个体学习器间不存在强依赖关系，可同时化生成的并行化方法。
评论0