Weka中的堆叠算法是什么？它实际上是如何运作的？

Question

基础分类器的结果是由投票系统选择的，然后元分类器在输入时实际上得到了什么，整个分类器还是只是错误分类的分类器？如果整个机制可以用一个简单的例子来解释，比如这个链接Weka.classifiers.meta.vote 中的多数投票算法，那将会很有帮助

提前致谢。

Answer 1

考虑一个由 n 个成员组成的集合。这些成员中的每一个都接受了一组给定的训练数据的训练。集成成员可以共享相同的分类器类型（同质）或使用不同的分类器（异质）。鼓励成员之间的多样性，以便每个成员产生不同的估计。

堆叠不是对每个集成成员的估计进行投票或平均来生成集成估计，而是在集成成员和集成估计之间训练元学习器，该元学习器接受每个集成成员的估计作为输入并生成集成输出。

下面概述了一个示例：

Ensemble Member 1 Estimate --->
Ensemble Member 2 Estimate --->  Meta-Learner -> Ensemble Estimate
Ensemble Member 3 Estimate --->

就 Weka 而言，“分类器”参数是指最初经过训练以估计输出的集成成员，而“元分类器”是采用分类器输入并估计集成输出的模型。

希望这可以帮助！