我正在使用 XGboost 构建 2 个模型，一个具有 x 个参数，另一个具有 y 个数据集的参数。
这是一个分类问题。是-是，否-否的情况很容易，但是当一个模型预测为是而另一个模型预测为否时，我该怎么办？
带有 x 参数的模型 A 的准确度为 82%，带有 y 参数的模型 B 的准确度为 79%。
合奏模型 - XGboost
人工智能
数据科学
2021-10-23 13:02:18
2个回答
在没有任何额外信息的情况下，在关系方面倾向于表现最好的分类器的投票。
然而，正如其他人已经说过的，最好更详细地分析性能（例如混淆矩阵）。
例如，模型 B 几乎总是正确地分类 X 类（几乎没有任何误报）。在这种情况下，如果模型 B 预测 X 类而模型 A 不预测，您可以倾向于模型 B 的预测。换句话说; 您可以根据模型在类似的先前预测中的表现来衡量模型的投票。
仅考虑到模型 A 比模型 B 具有更高的准确度这一事实，您应该只使用模型 A。应提供有关两个分类器性能的更多信息以获得更好的答案。