×

如何使用代表的留一法进行集成学习的分类

消耗积分:0 | 格式:rar | 大小:0.84 MB | 2018-12-14

分享资料个

　　为应对抽样不均匀带来的影响，以基于代表的分类算法为基础，提出一种用于符号型数据分类的留一法集成学习分类算法（ LOOELCA）。首先采用留一法获得个小训练集，其中为初始训练集大小。然后使用每个训练集构建独立的基于代表的分类器，并标注出分类错误的分类器及对象。最后，标注分类器和原始分类器形成委员会并对测试集对象进行分类。如委员会表决一致，则直接给该测试对象贴上类标签；否则，基于后最近邻（ kNN）算法并利用标注对象对测试对象分类。在UCI标准数据集上的实验结果表明，LOOELCA与基于代表的粗糙集覆盖分类（ RBC-CBNRS）算法相比，精度平均提升0.35~2.76个百分点，LOOELCA与ID3、J48、Naive Bayes、OneR等方法相比也有更高的分类准确率。

下载并关注上传者 开通VIP，低至0.08元下载/次

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !