简单平均法: H(x)=T1i=1∑Thi(x)
加权平均法: H(x)=T1i=1∑Twihi(x), wi≥0 i=1∑Twi=1 (若 wi=T1即简单平均 )
对分类任务来说,学习器 hi 将从类别标记集合 {c1,c2,…,cN} 中预测出一个标记,最常见的结合策略是使用投票法。我们将 hi 在样本 x 上的预测输出表示为一个 N 维向量(hi1(x);hi2(x);…,hiN(x)),其中 hij(x) 是 hi 在类别标记 cj 上的输出。
H(x)=⎩⎨⎧cj, if i=1∑Thij(x)>0.5k=1∑Ni=1∑Thik(x)reject, otherwise
H(x)=cjargmini=1∑Thij(x)
H(x)=cjargmini=1∑Twihij(x)
输入:训练集 D={(x1,y1),(x2,y2),…,(xm,ym)}
初级学习算法 f1,f2,…,ft ,次级学习算法 f
1、for t=1,2,…,T do
2、 ht=ft(D)
4、for i=1,2,…,m do
5、 for t=1,2,…,T do
6、 zit=ht(xi)
7、 D′=D′∪((zi1,zi2,…,ziT),yi)
8、 h′=f(D′)
输出: H(x)=h′(h1(x),h2(x),…,hT(x))