【发布时间】：2014-11-22 09:31:48
【问题描述】：
基础分类器的结果是由投票系统选择的，然后元分类器在输入时得到了什么，整个分类器还是只是未分类的分类器？如果整个机制可以用一个像这个链接这样的简单例子来解释，那将会很有帮助 Majority vote algorithm in Weka.classifiers.meta.vote
提前致谢。
【问题讨论】：
标签： weka
【发布时间】：2014-11-22 09:31:48
【问题描述】：
考虑 n 个成员的集合。这些成员中的每一个都接受了一组给定的训练数据的训练。集成成员可以共享相同的分类器类型（同质）或使用不同的分类器（异质）。鼓励成员之间的多样性，以便每个成员产生不同的估计。
堆叠不是对每个集成成员的估计进行投票或平均来生成集成估计，而是在集成成员和集成估计之间训练一个元学习器，该集成估计接受每个集成成员的估计作为输入并生成集成输出。
下面是一个例子：
Ensemble Member 1 Estimate --->
Ensemble Member 2 Estimate ---> Meta-Learner -> Ensemble Estimate
Ensemble Member 3 Estimate --->
在 Weka 的情况下，“分类器”参数是指最初经过训练以估计输出的集成成员，而“元分类器”是接受分类器输入并估计集成输出的模型。
希望这会有所帮助！
【讨论】：