集成验证：选择性有代价，但多样性免费
机器学习
2019-04-01 v3 机器学习
摘要
假设从一组假设分类器中选出一些分类器，形成一个等权重的集成，该集成对每个输入样本随机选择一个成员分类器。那么，该集成有一个误差界，它由成员分类器的平均误差界、一个选择性项（其值从零（如果所有假设分类器都被选中）变化到标准均匀误差界（如果只选出一个分类器））以及一些小常数组成。如果从假设集中选出相同比例的分类器用于集成，则使用更丰富的假设集不会带来任何惩罚。
引用
@article{arxiv.1610.01234,
title = {Ensemble Validation: Selectivity has a Price, but Variety is Free},
author = {Eric Bax and Farshad Kooti},
journal= {arXiv preprint arXiv:1610.01234},
year = {2019}
}