Machine learningMachine learning
投票アンサンブル
投票アンサンブルは、複数の多様な分類器を独立に訓練し、それらの予測を投票によって結合する。ハード投票は最も多くのモデルが選択したクラスを選び、ソフト投票はそのクラス確率推定値の平均を取る（オプションでモデルごとの重み付けも可能）。結合された予測は通常、個々のメンバーよりも優れており、ベースモデルが適合された後に追加の訓練は不要である。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Voting Ensemble (Majority and Weighted Voting of Multiple Classifiers). ScholarGate. https://scholargate.app/ja/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.
- バギング（ブートストラップ集約）機械学習↔ compare
- ブースティング機械学習↔ compare
- Extra Trees機械学習↔ compare
- ランダムフォレスト機械学習↔ compare
- スタッキング機械学習↔ compare
この手法を参照する項目
アクティブラーニング・スタッキング・アンサンブルアクティブラーニング投票アンサンブルアソシエーションルールベイジアン・バギングベイジアン・スタッキング・アンサンブルブースティングアンサンブル・アクティブ・ラーニングアンサンブル関連規則アンサンブル・オートエンコーダ異常検知アンサンブル決定木アンサンブル連合学習アンサンブル少数ショット学習アンサンブルガウス過程アンサンブル・アイソレーション・フォレストアンサンブルK近傍法アンサンブル線形回帰アンサンブルロジスティック回帰アンサンブル距離学習アンサンブル ナイーブベイズアンサンブルワンクラスドラボーマシン (Ensemble One-Class SVM)アンサンブルオンライン学習アンサンブル半教師あり学習アンサンブルサポートベクターマシンアンサンブル転移学習説明可能な投票アンサンブルオンライン投票アンサンブル正則化スタッキングアンサンブルロバストバギングロバスト投票アンサンブル半教師あり投票アンサンブル