Meerderheidsstemming
Meerderheidsstemming is een ensemble-methode die voorspellingen van meerdere basisclassificatoren combineert door de klasse te selecteren die de meeste stemmen krijgt. Elke basisclassificator brengt één stem uit voor een voorspelde klasse, en de uiteindelijke voorspelling is de klasse met de meerderheid (pluraliteit). Deze benadering werd in de jaren negentig geformaliseerd door Leo Breiman en collega's als een eenvoudige maar effectieve manier om de classificatienauwkeurigheid te verbeteren.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Breiman, L. (1996). Bagging predictors. Machine Learning, 24(2), 123-140. DOI: 10.1007/BF00058655 ↗
- Kuncheva, L. I. (2004). Combining Pattern Classifiers: Methods and Algorithms. Wiley-Interscience. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Majority Voting Ensemble. ScholarGate. https://scholargate.app/nl/ensemble-learning/majority-voting
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.
- AdaBoostMachine learning↔ compare
- Bagging EnsembleEnsemble learning↔ compare
- Boosting EnsembleEnsemble learning↔ compare
- Random ForestMachine learning↔ compare
- Gestapelde GeneralisatieEnsemble learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →