Online policy adaptation for ensemble classifiers
Online policy adaptation for ensemble classifiers
复制标题
集成分类器的在线策略适应
DOI：
--
复制
发表时间：
2004
期刊：
影响因子：
--
通讯作者：
Samy Bengio
中科院分区：
文献类型：
--
作者：
Christos Dimitrakakis;Samy Bengio
集成算法可以通过将多个基分类器组合成一个集成来提高给定学习算法的性能。本文提出了使用自适应策略进行训练并结合基分类器的思想。在几个UCI基准数据库上的实验结果表明，该方法用于在线学习是有效的。
Ensemble algorithms can improve the performance of a given learning algorithm through the combination of multiple base classifiers into an ensemble. In this paper, the idea of using an adaptive policy for training and combining the base classifiers is put forward. The effectiveness of this approach for online learning is demonstrated by experimental results on several UCI benchmark databases.