Presná definícia
Čo znamená hlasovací klasifikátor?
Hlasovací klasifikátor kombinuje výstupy viacerých samostatne trénovaných klasifikátorov. Tvrdé hlasovanie vyberá najčastejšiu triedu, mäkké hlasovanie priemeruje pravdepodobnosti, prípadne s váhami. Mäkké hlasovanie má zmysel iba pri porovnateľne kalibrovaných pravdepodobnostiach; počet modelov sám nezaručuje rozmanitosť ani lepší výkon.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Tím môže spojiť logistickú regresiu, náhodný les a gradient boosting. Najprv sa každý model hodnotí na rovnakých foldoch a kalibruje bez použitia testu. Pri tvrdom hlasovaní sa stanoví pravidlo pre remízu; pri mäkkom sa váhy ladia na validácii a kontroluje sa, či jeden nadmerne sebavedomý model neovládne priemer. Korelácia chýb ukáže, či ansámbel prináša nový signál. V produkcii sa zaznamenajú čiastkové predikcie, aby bolo možné odhaliť výpadok alebo zmenu jediného člena.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Čo sa kombinuje?
Konečné triedne predikcie jednotlivých modelov.
Čo sa priemeruje?
Odhadované pravdepodobnosti tried, nie ľubovoľné neporovnateľné skóre.
Prečo je dôležitá?
Nadmerne sebavedomý model môže pri mäkkom hlasovaní dominovať aj bez lepšej presnosti.
Pomôže desať takmer rovnakých modelov?
Málo, ak robia tie isté chyby.
Ako nastaviť váhy?
Na validačných dátach podľa cieľovej metriky, nie podľa výsledku na teste.