利用 EnsembleBench 促进高多样性集成学习
机器学习
2020-10-22 v1
摘要
集成学习近年来重新受到关注。本文提出 EnsembleBench，一个用于评估与推荐高多样性、高精度集成模型的整体框架。EnsembleBench 的设计提供三项新颖特性：（1）EnsembleBench 引入一组定量指标，用于评估集成质量并比较为同一学习任务构建的备选集成。（2）EnsembleBench 实现了一套基线多样性指标与优化多样性指标，用于识别与选择高多样性、高质量的集成，使其成为基准测试、评估与推荐高多样性模型集成的有效框架。（3）EnsembleBench 的首个发布版本提供了四种代表性集成共识方法，支持对共识方法影响集成精度的实证研宄。在流行基准数据集上的综合实验评估证明了 EnsembleBench 在促进高多样性集成与提升所选集成整体性能方面的效用与有效性。
引用
@article{arxiv.2010.10623,
title = {Promoting High Diversity Ensemble Learning with EnsembleBench},
author = {Yanzhao Wu and Ling Liu and Zhongwei Xie and Juhyun Bae and Ka-Ho Chow and Wenqi Wei},
journal= {arXiv preprint arXiv:2010.10623},
year = {2020}
}