基于进化算法的免费集成学习？
人工智能
2007-05-23 v1
摘要
进化学习通过进化一个分类器种群来进行，通常（除一些显著的例外）将单次运行中的最佳分类器作为最终结果返回。与此同时，集成学习作为过去十年监督机器学习中最有效的方法之一，通过构建一个多样化分类器种群来进行。因此，结合进化计算的集成学习受到了越来越多的关注。本文提出的进化集成学习（EEL）方法有两项贡献。首先，提出了一种受协同进化启发并强制分类器多样性的新适应度函数。其次，提出了一种基于分类间隔的新选择准则。该准则仅用于从最终种群中提取分类器集成（离线），或在进化过程中增量提取（在线）。在一组基准问题上的实验表明，离线方法优于单假设进化学习以及最先进的 Boosting，并且生成更小的分类器集成。
引用
@article{arxiv.0704.3905,
title = {Ensemble Learning for Free with Evolutionary Algorithms ?},
author = {Christian Gagné and Michèle Sebag and Marc Schoenauer and Marco Tomassini},
journal= {arXiv preprint arXiv:0704.3905},
year = {2007}
}