不同特征的集成分类器

Question

我正在执行多类分类并正在调查不同类型的特征对性能的影响。我分别对每组功能使用 SVM 1v1 分类器，现在我想尝试训练一个组合模型，该模型将利用我拥有的所有功能集。在不简单地将所有特征倾倒在一起的情况下创建这样一个组合模型的方法是什么？我的理解是，这类似于集成模型的想法，但是，我找不到可以在多个特征集上运行的集成示例。

我还应该提到，我正在寻找开箱即用的实现或一些库，而不是自己实现模型。

Answer 1

如果你的抽象对象和你的每个集合中的一些特征之间只有 1-1 映射 - 那么这实际上是一个经典的集成模型，完全没有区别.您将您的模型视为对对象使用多个不同的特征提取器，因此

ABSTRACT OBJECTS  ------  FEATURES  ------ MODELS
 \____________________________/               |
    your definition of data        your definition of model

而典型的 ML 方法（从您的方法来看）是

ABSTRACT OBJECTS  ------  FEATURES  ------ MODELS
     |                      \_________________/         
   data                             model

换句话说，每对 (features_set，模型) 定义 实际模型 ，正如您所见，从这样的角度来看，您只需使用任何集成技术。事实上，你以某种方式 "hand crafted" 你的各种功能集并没有改变这个事实，它只是从你的抽象对象（无论它们是什么）到实际决策的函数建模的一部分。

不同特征的集成分类器

Ensemble classifier for different features

classification

ensemble-learning