梯度优化决策树的集成学习及其应用

摘要：

集成学习通过构建具有一定互补功能的多个分类器来完成学习任务,以减少分类误差.但是当前研究未能考虑分类器的局部有效性.为此,在基于集成学习的框架下,提出了一个分层结构的多分类算法.该算法按预测类别分解问题,在分层的基础上,集成多个分类器以提高分类准确度.在美国某高校招生录取这一个实际应用的数据集及3个UCI数据集上进行实验,实验结果验证了该算法的有效性.

关键词：集成学习、分类器融合、梯度优化、层次化结构

所属期刊栏目：45

分类号：TP181(自动化基础理论)

资助基金：河北省自然科学基金F2016202145

在线出版日期：2018-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：121-125