一种新的决策树选择性集成学习方法

• 作者: 张燕平 曹振田 杜玲 窦蓉蓉 赵姝 郑尧军
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 集成学习 选择性集成 Q统计量
• 年，卷（期）: 2010,（17）
• 所属期刊栏目: 研究、探讨
• 页码范围: 41-44
• 分类号: TP391.4
• 字数: 2663字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.17.012

摘要

个体学习器的差异度是集成学习中的关键因素.流行的集成学习算法如Bagging通过重取样技术产生个体学习器的差异度.选择性集成从集成学习算法产生的个体学习器中选择一部分来集成,结果表明比原集成更好.但如何选择学习器是个难题.使用Q统计量度量两个学习器的差异度,提出一种新的决策树选择性集成学习方法.与C4.5,Bagging方法相比,表现出很好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕平	安徽大学智能计算与信号处理教育部重点实验室	148	1556	21.0	32.0
2	赵姝	安徽大学智能计算与信号处理教育部重点实验室	82	555	13.0	19.0
3	窦蓉蓉	安徽大学智能计算与信号处理教育部重点实验室	2	27	2.0	2.0
4	曹振田	安徽大学智能计算与信号处理教育部重点实验室	3	49	3.0	3.0
5	郑尧军		3	26	3.0	3.0
6	杜玲	安徽大学智能计算与信号处理教育部重点实验室	3	28	3.0	3.0