集成学习算法的差异性及性能比较

摘要：

从差异性出发,研究了基于特征集技术(通过一定的策略选取不同特征集以组成训练集)与数据技术(通过取样技术选取不同的训练集)的集成学习算法,分析了两种集成学习算法产生差异性的方法.针对决策树与神经网络模型,在标准数据集中对集成学习算法的性能进行实验研究,结果表明集成学习算法的性能依赖于数据集的特性以及产生差异性的方法等因素.从总体性能考虑,基于数据的集成学习算法在大多数数据集上优于基于特征集的集成学习算法.

关键词：差异性、集成学习、特征集、取样、性能

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：河北省教育厅基金2006406

在线出版日期：2008-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：35-37