机器学习中的灵活模型组合及其在 MLJ 中的实现
机器学习
2021-01-01 v1
摘要
本文描述了一种称为“学习网络”的基于图的协议，该协议将多种机器学习模型组合为元模型。研究表明，学习网络克服了主流机器学习平台中模型组合实现的若干局限性。在通过简单示例说明该协议后，给出了一种用于指定学习网络的简洁语法，该语法已在 MLJ 框架中实现。利用该语法，表明学习网络具有足够的灵活性，可包含 Wolpert 的模型堆叠，且对基学习器使用样本外预测。
引用
@article{arxiv.2012.15505,
title = {Flexible model composition in machine learning and its implementation in MLJ},
author = {Anthony D. Blaom and Sebastian J. Vollmer},
journal= {arXiv preprint arXiv:2012.15505},
year = {2021}
}
备注
13 pages, 3 figures