关于子抽样增强的概率位模型树
原文中文,约400字,阅读约需1分钟。发表于: 。使用方差 - 偏差分解的见解,我们设计了一种名为 SBPMT 的新的混合 Bagging-Boosting 算法,用于解决分类问题。该算法使用 Probit Model Tree 作为 AdaBoost 过程中的基分类器,并结合多个子抽样数据集上的增强 Probit Model Trees 以形成强大的 “委员会”。理论分析表明,SBPMT...
该文介绍了一种名为SBPMT的新的混合Bagging-Boosting算法,用于解决分类问题。该算法使用Probit Model Tree作为AdaBoost过程中的基分类器,并结合多个子抽样数据集上的增强Probit Model Trees以形成强大的“委员会”。理论分析表明,SBPMT在特定假设下是一致的,并且在与其他先进分类方法的性能比较中具有一般竞争力的预测能力,并在某些情况下表现明显更好。