Birden çok modelden ayıklanan özellik kümelerini birleştirme

Question

Sklearn ve Caffe kullanarak büyük bir eğitim setinden ve test görüntülerinden özellikler aldım. Özellik çıkarımı gerçekleştirmek için Caffe Model Hayvanat Bahçesi'nden 3 farklı ön eğitimli konvnet kullandım.

3 özellik kümesinden herhangi birini kullanarak, test verilerinde yaklaşık% 80 doğru olan bir SVM'yi eğitebilirim. Ancak, tüm 3 özellik kümesinin gücünü kullanmanın en iyi yolu nedir?

Sadece 3 ayrı SVM'nin sonuçlarını bir araya getirmeyi denedim (her etiket için olasılık tahminlerinin ortalaması), ancak tek modellere göre herhangi bir gelişme sağlamadı.

Özellik kümelerini tek bir büyük kümede birleştirmeye yardımcı olur ve SVM (veya başka bir) eğitimi için kullanmanız yardımcı olur mu?

Veri kümesinin multiclass multilabel olduğunu unutmayın. Teşekkürler.

Answer 1

Bu, özellikleri birleştirmenin iyi bir yolu değildir. Makine öğreniminde topluluk tekniklerini kullanıyoruz. Topluluk teknikleri: torbalama, hızlandırma, yığınlama ve hiyerarşi. Deneyimlerimden destek ya da istifleme ile çalışmak istiyorum. Güçlendirme, her bir temel öğreniciyi eğitmek için kullanılan verilerin yanı sıra, verilerin dağılımını değiştirmeye devam eden açgözlü bir öğrenme stratejisidir. Viola jones adaboost sınıflandırıcı hakkında bilgi edinin. Şiddetli veri dengesizliği sorununuz varsa, SMOTEBoost algoritması hakkında bilgi edinin