Votació en conjunt
Un conjunt de votació entrena diversos classificadors diversos de manera independent i combina les seves prediccions mitjançant una votació: la votació dura (hard voting) tria la classe escollida per la majoria dels models, mentre que la votació suau (soft voting) fa la mitjana de les seves estimacions de probabilitat de classe, opcionalment amb pesos per model. La combinació normalment supera qualsevol membre individual i no requereix entrenament addicional un cop ajustats els models base.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
Fonts
- Kuncheva, L. I. (2004). Combining Pattern Classifiers: Methods and Algorithms. Wiley-Interscience. ISBN: 978-0-471-21078-8
- Dietterich, T. G. (2000). Ensemble Methods in Machine Learning. In J. Kittler & F. Roli (Eds.), Multiple Classifier Systems (MCS 2000), Lecture Notes in Computer Science, vol 1857, pp. 1–15. Springer. DOI: 10.1007/3-540-45014-9_1 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Voting Ensemble (Majority and Weighted Voting of Multiple Classifiers). ScholarGate. https://scholargate.app/ca/machine-learning/voting-ensemble
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bagging (Bootstrap Aggregating)Aprenentatge automàtic↔ compare
- BoostingAprenentatge automàtic↔ compare
- Arbres ExtraAprenentatge automàtic↔ compare
- Random ForestAprenentatge automàtic↔ compare
- StackingAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →