集成学习中预测精度的影响因素分析

• 作者: 周钢 郭福亮
• 来源期刊: 兵工自动化
• 学科: 工学
• 关键词: 集成学习 预测精度 偏差-方差分解 Bagging算法 AdaBoost算法 怀卡托智能分析环境
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 机器人技术与应用
• 页码范围: 78-83
• 页数: 6页
• 分类号: TP311.13
• 字数: 5025字
• 语种: 中文
• DOI: 10.7690/bgzdh.2019.01.017

摘要

集成学习被认为是当前数据挖掘、机器学习中提升预测精度的重要方法.在分析集成学习基本概念的基础上,将集成学习模型设计划分为分类器构建、分类器集成和分类结果整合3个阶段,并从分类器误差控制、集成泛化能力提升和应用误差容忍具体对提升集成学习预测精度进行研究探讨,通过实例分析研究3个阶段预测精度的影响因素和提升方法.结果表明,该研究对控制集成学习预测误差、提升预测精度和构建合理高效集成学习模型具有较为重要的指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭福亮	海军工程大学电子工程学院计算机工程系	66	273	9.0	12.0
2	周钢	海军工程大学电子工程学院计算机工程系	36	90	6.0	8.0