SVM 和神经网络的后期融合
Late Fusion with SVM and Neural Network
我对在 SVM（线性）和神经网络（NN）之间进行后期融合的过程有疑问，
我做了一些研究，我发现连接 SVM 的 clf.predict_prob 和 NN 的 Model.predic，我应该训练新模型，但是，这些分数是针对测试数据的，我不知道如何处理训练数据。
换句话说，我使用来自我的两个模型（SVM 和 NN）的测试数据的串联概率分数来训练新模型，并使用相同的串联数据测试这个新模型，但我并不是真的确定这一点。
你能告诉我这是否正确吗？
经过大量搜索和研究，我找到了解决方案：
解决方案是训练和测试一个新的分类器，在我的例子中，它是另一个神经网络，具有从两个分类器的两个数据集（训练和测试）获得的级联概率分数，线性 SVM 和神经网络。
在 python 中实现了三个线性 SVM 后期融合的示例，可以在以下 link 中找到：
我对在 SVM（线性）和神经网络（NN）之间进行后期融合的过程有疑问，
我做了一些研究，我发现连接 SVM 的 clf.predict_prob 和 NN 的 Model.predic，我应该训练新模型，但是，这些分数是针对测试数据的，我不知道如何处理训练数据。
换句话说，我使用来自我的两个模型（SVM 和 NN）的测试数据的串联概率分数来训练新模型，并使用相同的串联数据测试这个新模型，但我并不是真的确定这一点。
你能告诉我这是否正确吗？
经过大量搜索和研究，我找到了解决方案：
解决方案是训练和测试一个新的分类器，在我的例子中，它是另一个神经网络，具有从两个分类器的两个数据集（训练和测试）获得的级联概率分数，线性 SVM 和神经网络。
在 python 中实现了三个线性 SVM 后期融合的示例，可以在以下 link 中找到：