元学习算法选择机制及关联对性能的影响

摘要：

提出一种元学习定义,从偏差/方差分解角度对元学习中学习算法的选取机制进行研究,得出了元级选用错误率低且偏差小的学习算法、基级学习算法按照错误率及方差从低到高排列的结论.鉴于标准数据集不能充分评估关联对元学习性能的影响,设计了一种模拟算法以产生模拟数据集.在UCI标准数据集和模拟数据集上的实验表明,同常用的多数投票等组合方法相比,基于算法选择机制的元学习表现出优良的性能,且分类器之间的负关联有助于性能的改进.

关键词：偏差/方差分解、关联、元学习、多分类器系统

所属期刊栏目：36

分类号：TP181(自动化基础理论)

资助基金：国家重点基础研究发展计划973计划2004CB719401

在线出版日期：2007-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：278-280,290