Machine learningEnsemble
多数表决
多数表决是一种集成方法，通过选择获得最多票数的类别来组合多个基分类器的预测。每个基分类器为其预测的类别投一票，最终预测是获得多数（或相对多数）票的类别。这种方法由Leo Breiman及其同事在20世纪90年代正式提出，作为一种简单而有效的方法来提高分类准确性。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Majority Voting Ensemble. ScholarGate. https://scholargate.app/zh/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.
- AdaBoost机器学习↔ compare
- 装袋集成集成学习↔ compare
- Boosting Ensemble集成学习↔ compare
- 随机森林机器学习↔ compare
- 堆叠泛化集成学习↔ compare