我试图了解我在尝试回答这个问题时做错了什么。确切的问题是：
假设我们有 3 个经过训练的预测模型，每个模型输出 -1 或 1。然后我们测试了这些模型的准确性并获得了以下结果：
| 模型 | 准确性 |
|---|---|
| 米1 | 0.60 |
| 米2 | 0.55 |
| 米3 | 0.45 |
令M为输出这三个模型的多个投票的集成模型。如果我们假设模型m 1、m 2和m 3的误差是独立的，那么M( x )在测试实例x上正确的概率是多少？
我想因为这是一个复数投票，并且分类错误是相互独立的，我可以简单地取三个分类器准确率的加权平均值：
但有人告诉我这是不正确的（没有关于原因的上下文）。
有人可以解释为什么这是不正确的吗？如果这是多个投票（对我来说假设每个分类器的投票是相等的），为什么我不能简单地取加权平均值？
这不是实际数据，而是概率。所以你应该考虑投票的所有场景。
为了合奏是正确的，
任何两个或三个都应该是正确的
=
= [0.6*0.55*(1-0.45) + 0.6*(1-0.55)*0.45 + (1-0.6)*0.55*0.45] + 0.6*0.55*0.45
= 0.5505
如果模型的 1、2 和 3 分别为
正确，正确，正确
正确，正确，错误
正确，错误，正确
错误的，正确的，正确的
同样，如果他们是，你会得到一个错误的预测
所以，一共有8种可能。
第一个事件 C、C、C 的可能性为 0.6 × 0.55 × 0.45
第五个事件 W、W、C 的可能性为 0.4 × 0.45 × 0.45
您想计算事件 1-4 和 5-8 的可能性并将它们分别相加。您还希望将它们全部加起来为 1-8。第一个总和除以总数为您提供您正在寻找的答案。