2.2.2 Non-Linear CombinationsWhen w

2.2.2 Non-Linear Combinations
When we have a classification problem, and our learner outputs a discrete class label rather
than a real-valued number, a widely used combination rule is a majority vote among the
labels predicted by each member of the ensemble [7, 114]. Kittler and Alkoot [65] theoretically analysed the relationship between the sum and vote fusion strategies. They found
that when the errors in our estimate of the posterior probability of a class have a normal
distribution, sum always outperforms vote, whereas for heavy tail distributions, vote may
outperform sum; this was confirmed with empirical data. Kuncheva et al [72] derive theoretical upper bounds on the maximum achievable accuracy when using a majority voting
combination.
Bahler and Navarro [5] conduct a large empirical study into using different combination
rules. They found that when accuracy is approximately balanced across the estimators,
majority voting performs as well as any more complex combination rule. When accuracy
is imbalanced, majority vote tends to decrease in reliability, while more complex methods which take account of the individual performances, like Dempster-Schafer theory of
evidence [91] and Bayesian methods [2], retain their performance.

ผลลัพธ์ (ไทย) 2:

2.2.2 ไม่เชิงเส้นรวมเมื่อเรามีปัญหาการจัดหมวดหมู่และการเรียนของเราผลฉลากระดับที่ไม่ต่อเนื่องค่อนข้างกว่าจำนวนจริงมูลค่ารวมกันเป็นกฎที่ใช้กันอย่างแพร่หลายเป็นเสียงข้างมากในหมู่ฉลากตามคำทำนายของแต่ละสมาชิกของวงดนตรี[ 7 114] Kittler และ Alkoot [65] ในทางทฤษฎีการวิเคราะห์ความสัมพันธ์ระหว่างผลรวมและออกเสียงลงคะแนนกลยุทธ์ฟิวชั่น พวกเขาพบว่าเมื่อข้อผิดพลาดในการประมาณการของเราน่าจะเป็นหลังของชั้นปกติมีการกระจายผลรวมเสมอมีประสิทธิภาพดีกว่าการออกเสียงลงคะแนนในขณะที่สำหรับการกระจายหางหนักลงคะแนนอาจจะมีประสิทธิภาพสูงกว่าผลรวม; นี้ได้รับการยืนยันกับข้อมูลเชิงประจักษ์ Kuncheva et al, [72] ได้รับมาขอบเขตบนทฤษฎีที่ถูกต้องทำได้สูงสุดเมื่อใช้การลงคะแนนส่วนใหญ่รวมกัน. Bahler และวาร์ [5] ดำเนินการศึกษาเชิงประจักษ์ที่มีขนาดใหญ่ในการใช้ที่แตกต่างกันกฎ พวกเขาพบว่าเมื่อความถูกต้องจะอยู่ที่ประมาณสมดุลทั่วประมาณในการออกเสียงลงคะแนนส่วนใหญ่จะดำเนินการเช่นเดียวกับการปกครองรวมกันใด ๆ ที่ซับซ้อนมากขึ้น เมื่อความถูกต้องเป็นขาดดุลลงคะแนนเสียงส่วนใหญ่มีแนวโน้มที่จะลดลงในความน่าเชื่อถือในขณะที่วิธีการที่ซับซ้อนมากขึ้นซึ่งจะใช้บัญชีของการแสดงของแต่ละบุคคลเช่นทฤษฎีทำการ-Schafer ของหลักฐาน[91] และวิธีการแบบเบย์ [2] รักษาประสิทธิภาพของพวกเขา

ผลลัพธ์ (ไทย) 3:

2.2.2 ไม่เชิงเส้นรวมกัน
เมื่อเรามีปัญหาการเรียนของเราและผลต่อเนื่องระดับป้ายค่อนข้าง
กว่ามูลค่าจริงตัวเลข ใช้กันอย่างแพร่หลายรวมกฎคะแนนเสียงข้างมากของ
ป้ายทำนายโดยสมาชิกแต่ละคนในวง [ 7 , 114 ] kittler alkoot [ 65 ] และทฤษฎีวิเคราะห์ความสัมพันธ์ระหว่างเงินและกลยุทธ์การลงคะแนนเสียง พวกเขาพบ
เมื่อความคลาดเคลื่อนในการประมาณของความน่าจะเป็นภายหลังของชั้นเรียนมีการแจกแจงปกติ
, ผลรวมมักจะมีประสิทธิภาพดีกว่าการลงคะแนน ขณะที่หางหนัก คะแนนอาจ
outperform ผลรวม ; นี้ได้รับการยืนยันกับข้อมูลเชิงประจักษ์ kuncheva et al [ 72 ] สืบทอดทฤษฎีบนขอบเขตบนความถูกต้องสูงสุดได้เมื่อใช้เสียงข้างมากโหวต

การรวมกันbahler Navarro [ 5 ] และทำการศึกษาเชิงประจักษ์ในการใช้กฎใหญ่รวมกัน
แตกต่างกัน พวกเขาพบว่า เมื่อความถูกต้องประมาณสมดุลตัวประมาณ
ส่วนใหญ่โหวต , เช่นเดียวกับกฎการรวมกันใด ๆที่ซับซ้อนมากขึ้น เมื่อความถูกต้อง
เป็น imbalanced เสียงส่วนใหญ่มีแนวโน้มที่จะลดความน่าเชื่อถือในขณะที่วิธีการที่ซับซ้อนมากขึ้นซึ่งใช้บัญชีของการแสดงแต่ละชอบเดมป์สเตอร์เชเฟอร์ทฤษฎี
หลักฐาน [ 91 ] และ [ 2 ] วิธีเบส์ รักษาประสิทธิภาพของพวกเขา