Stemmeensemble
Et stemmeensemble træner adskillige forskellige klassifikatorer uafhængigt og kombinerer deres forudsigelser ved afstemning: hård afstemning vælger den klasse, der er valgt af de fleste modeller, mens blød afstemning gennemsnitliggør deres klasse-sandsynlighedsestimater, eventuelt med vægte pr. model. Kombinationen overgår normalt ethvert individuelt medlem og kræver ingen yderligere træning, efter at basismodellerne er tilpasset.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Voting Ensemble (Majority and Weighted Voting of Multiple Classifiers). ScholarGate. https://scholargate.app/da/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)Maskinlæring↔ compare
- BoostingMaskinlæring↔ compare
- Ekstra TræerMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- StackingMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →