scikit-learn - 结合两种机器学习算法以实现更高的预测准确性
问题描述
我一直在做一个项目,其中使用了许多分类算法,大多数都给出了令人满意的结果,除了高斯朴素贝叶斯的准确率接近 48%。我打算将 SVM 和高斯朴素贝叶斯结合在一个算法中以实现更高的准确性,但找不到这样做的方法。如果有人可以请帮我解决这个问题?
解决方案
我建议调查有关“集成学习”的文献。
集成学习是机器学习领域,使用多个分类器(专家)来生成(使用投票方法)最终决策。
为了提高模型的稳定性,我建议使用在原始训练集的不同版本(装袋/引导聚合)上训练的“最佳”分类器的几个实例。
作为补充说明。如果支持向量机的结果明显优于朴素贝叶斯,则可能是样本在原始特征空间中不能很好地分离,而在更高维度上移动(取决于 SVM 的内核)你会获得更好的结果分离。您可以选择设计更好的特征或增加特征的数量以使用朴素贝叶斯获得更好的结果。
推荐阅读
- javascript - 如何使用 Auth0 和带有 MERN 应用程序的护照将会话属性附加到 req 对象?
- autocomplete - Material UI 自动完成 + 无限滚动在一起?
- python - 一个函数以'N'作为参数,执行元素的增加N次然后减少(N-1)次,然后作为Python中的列表返回
- reactjs - React.js (jsx) 中的条件语句
- c - 为什么不重新分配指向 const int 的指针会产生编译错误?
- python - 查找未返回值的下一个兄弟姐妹。如何在没有其余类的情况下提取我需要的两个类?
- flutter - 如何保存列表
在列表中 ? - javascript - 如何防止嵌入式 Javascript 自动滚动页面
- google-apps-script - 如何在不更改 Google 工作表上的整行的情况下使用数据验证自动填充单元格?
- firebase - 从 Firebase Storage 获取图片并展示给用户 Flutter