是否有用于回归的集成方法？

人工智能 神经网络 深度学习 张量流 计算机视觉 集成学习
2021-11-12 22:20:22

我听说过用于二进制或分类机器学习模型的集成方法，例如 XGBoost。但是，这是否存在回归？如果是这样，在预测过程中每个模型的权重是如何确定的？

我希望手动执行此操作，因为我计划使用单独的框架（YoloV3 aka Darknet 和 Tensorflow 用于边界框回归）训练两个不同的模型。有没有办法在这些盒子的整体预测中为每个模型建立一个权重？

或者这是一个坏主意？

2个回答

桌子 ? 这意味着在 2012 年之前，该算法的回归版本没有前景。在您提出问题后，我找到了一篇调查研究论文，该论文已完成或回归的集合方法。该表也是从本文中提取的。阅读本文，它将对您有更多帮助

这是最新发表的关于使用集成方法进行目标检测的论文

XGBoost 中有类似的增强类用于回归。您可以针对您的问题实现它们的内置类，而不是从头开始实现。你可以从他们的网站上阅读更多关于它的信息。您还可以查看 catboost，它实现了不同的方法。

其它你可能感兴趣的问题
上一篇为什么 LSTM 不能跟踪序列的“重要部分”？ 下一篇为什么在策略梯度定理的证明中平稳分布独立于初始状态？