集成学习算法的差异性及性能比较

• 作者: 崔丽娟 李凯
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 差异性 集成学习 特征集 取样 性能
• 年，卷（期）: 2008,（6）
• 所属期刊栏目: 博士论文
• 页码范围: 35-37
• 页数: 3页
• 分类号: TP391
• 字数: 4101字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2008.06.012

摘要

从差异性出发,研究了基于特征集技术(通过一定的策略选取不同特征集以组成训练集)与数据技术(通过取样技术选取不同的训练集)的集成学习算法,分析了两种集成学习算法产生差异性的方法.针对决策树与神经网络模型,在标准数据集中对集成学习算法的性能进行实验研究,结果表明集成学习算法的性能依赖于数据集的特性以及产生差异性的方法等因素.从总体性能考虑,基于数据的集成学习算法在大多数数据集上优于基于特征集的集成学习算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李凯	河北大学数学与计算机学院	52	435	12.0	19.0