基于分类问题的选择性集成学习研究

• 作者: 陈凯
• 来源期刊: 计算机应用研究
• 关键词: 分类回归树 自助法 选择性集成
• 年，卷（期）: 2009,（7）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2457-2459
• 页数: 3页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.07.015

摘要

提出了一种应用于分类问题,以分类回归树为基学习器,并综合了AdaBoost.M1和Bagging算法特点,利用变相似度聚类技术和贪婪算法来进行选择性集成学习的算法--SEC-AdaBoostBagging Trees,并将其与几种常用的机器学习算法比较研究得出,该算法往往比其他算法具有更好的泛化性能和更高的运行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈凯	中国人民大学统计学院	36	521	9.0	22.0