作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
集成学习主要分为串行和并行学习方法.并行学习的优势在于分类器的并行学习和融合,对分类问题通常采用的融合策略为投票法或堆叠学习法,它们的代表分别为随机森林和堆叠泛化Stacking.为了进一步提高Stacking的分类性能,在经典Stacking算法原理的基础上,提出基于随机森林的多阶段集成学习方法,以随机森林作为基层的基学习算法,以投票法和学习法同时作为融合方法,来降低泛化误差.在UCI数据集上的实验结果表明,提出的模型在Accuracy和F1指标上,相比Bagging,随机森林和Stacking等分类器在分类性能上有很大的提升.
推荐文章
多阶段因果复合期权定价方法
多阶段
因果复合期权
偏微分方程
随机需求下的多阶段供应链库存问题研究
多阶段库存
分散决策
先到先服务
随机需求
PDPSO优化多阶段AR-PCA间歇过程监测方法
间歇过程
种群多样性
粒子群优化
仿射传播聚类
自回归主元分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于随机森林的多阶段集成学习方法
来源期刊 高师理科学刊 学科 工学
关键词 Stacking 随机森林 多数投票
年,卷(期) 2018,(2) 所属期刊栏目
研究方向 页码范围 25-28,53
页数 5页 分类号 TP181
字数 3742字 语种 中文
DOI 10.3969/j.issn.1007-9831.2018.02.007
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐慧丽 华南理工大学数学学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (26)
参考文献  (10)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1992(4)
  • 参考文献(1)
  • 二级参考文献(3)
1994(2)
  • 参考文献(1)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(4)
  • 参考文献(2)
  • 二级参考文献(2)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Stacking
随机森林
多数投票
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
高师理科学刊
月刊
1007-9831
23-1418/N
大16开
齐齐哈尔市文化大街42号
1979
chi
出版文献量(篇)
5509
总下载数(次)
5
总被引数(次)
11713
论文1v1指导