基于卡尔曼滤波的启发式集成（KFHE）：利用卡尔曼滤波进行多类集成分类的新视角
机器学习
2019-02-25 v3 人工智能
机器学习
摘要
本文介绍了一种关于多类集成分类的新视角，将训练集成视为状态估计问题。该新视角将最终的集成分类器模型视为静态状态，可使用卡尔曼滤波来估计，该滤波结合了各个分类器模型做出的含噪估计。本文还提出了基于该视角的新算法——基于卡尔曼滤波的启发式集成（KFHE），展示了新视角的实际适用性。在 30 个数据集上进行的实验将 KFHE 与最先进的多类集成分类算法进行比较，显示了新视角和算法的潜力与有效性。现有的集成方法在分类准确率与对类标签噪声的鲁棒性之间进行权衡，但结果表明，对于有和无类标签噪声的数据集，KFHE 均显著优于或至少不逊于最先进算法。
引用
@article{arxiv.1807.11429,
title = {Kalman Filter-based Heuristic Ensemble (KFHE): A new perspective on multi-class ensemble classification using Kalman filters},
author = {Arjun Pakrashi and Brian Mac Namee},
journal= {arXiv preprint arXiv:1807.11429},
year = {2019}
}