【深度学习】详解集成学习的投票和Stacking机制

【深度学习】详解集成学习的投票和Stacking机制

文章目录
1 基础原理1.1 硬投票1.2 软投票
2 pytorch综合多个弱分类器，投票机制，进行手写数字分类（boosting）
3 Stacking原理
4 Stacking分类应用
5 kaggle气胸病灶图像分割top4解决方案


1 基础原理

在所有集成学习方法中，最直观的是多数投票。因为其目的是输出基础学习者的预测中最受欢迎（或最受欢迎）的预测。多数投票是最简单的集成学习技术，它允许多个基本学习器的预测相结合。与选举的工作方式类似，该算法假定每个基础学习器都是投票者，每个类别都是竞争者。为了选出竞争者为获胜者，该算法会考虑投票。将多种预测与投票结合起来的主要方法有两种：一种是硬投票，另一种是软投票。我们在这里介绍两种方法。