AI 詞彙表
人工智能完整詞典
200
類別
2,608
子類別
30,011
術語
術語
多数投票分类器（硬投票）
一种聚合方法，最终预测是在一组独立分类器中获得最多票数的类别，每个模型具有相等的权重。
術語
平均投票分类器（软投票）
一种聚合技术，计算每个分类器对每个类别预测概率的平均值，选择概率最高的类别作为最终预测。
術語
分类器加权
在投票系统中为每个分类器分配不同权重的策略，基于它们的个体性能或在特定数据子集上的专业能力。
術語
模型异质性
投票分类器的基本原则，规定组合的模型应该是不同类型（例如：决策树、支持向量机、逻辑回归），以减少错误相关性。
術語
预测聚合
将多个模型的输出组合成单一最终预测的过程，是投票分类器运行的核心。
術語
集成泛化误差
组合模型在未见数据上的错误率，由于投票的平滑效应，通常低于每个单独分类器的错误率。
術語
置信度加权投票
软投票的一种变体，其中每个分类器的权重与其预测的置信度（最大概率）成比例，更倾向于最确定的预测。
術語
孔多塞投票分类器
一种投票方法，获胜者是在整个数据集上的一系列成对比较中能够击败每个其他分类器的分类器。
術語
聚合置信矩阵
结合每个分类器的混淆矩阵或输出概率的矩阵，用于评估整体性能并识别集成系统的共同弱点。
術語
分类器并行训练
一种方法，其中集成中的每个模型都在整个数据集上独立且同时训练，优化投票系统的计算时间。
術語
聚合决策边界
由每个单独分类器的决策边界组合产生的复杂决策面，通常更稳健且不易过拟合。
術語
相对多数投票
一种投票系统，其中预测类别是获得最多票数的类别，即使未达到绝对多数（超过50%），与严格多数投票不同。
術語
集成中的偏差-方差分析
研究投票如何将高偏差低方差模型与低偏差高方差模型结合以获得最优权衡的方法。
術語
投票元分类器
更高层次的模型，学习如何组合基础分类器的预测，可以通过学习最优权重或复杂组合规则超越简单投票。
術語
投票稳定性
衡量集成最终预测在面对输入数据或单个分类器参数的微小变化时的稳定性。
術語
动态阈值投票
一种技术，其中多数投票或加权投票的决策阈值根据概率分布或待分类样本的难度进行调整。
術語
集成误差分解
将集成学习中的总误差分解为偏差误差、方差误差以及各分类器误差之间的协方差的数学分析。
🔍