Κατά μέσο όρο Διάφοροι προγνωστικοί για την εκμάθηση μηχανών - ανδρείκελοι

Και τα συστήματα μέσου όρου και ψηφοφορίας μπορούν επίσης να λειτουργούν καλά όταν χρησιμοποιείτε ένα συνδυασμό διαφορετικών μηχανικών αλγορίθμους. Αυτή είναι η προσέγγιση κατά μέσο όρο και χρησιμοποιείται ευρέως όταν δεν μπορείτε να μειώσετε τη διακύμανση της εκτίμησης.

Όσο προσπαθείτε να μάθετε από τα δεδομένα, θα πρέπει να δοκιμάσετε διαφορετικές λύσεις, διαμορφώνοντας έτσι τα δεδομένα σας χρησιμοποιώντας διαφορετικές λύσεις μηχανικής μάθησης. Είναι καλή πρακτική να ελέγξετε αν μπορείτε να βάλετε μερικά από αυτά επιτυχώς σε σύνολα χρησιμοποιώντας μέσους όρους πρόβλεψης ή μετρώντας τις προβλεπόμενες τάξεις. Η αρχή είναι η ίδια με την περίπτωση των μη συσχετισμένων προβλέψεων, όταν τα μοντέλα που αναμιγνύονται μεταξύ τους μπορούν να παράγουν προβλέψεις που επηρεάζονται λιγότερο από τη διακύμανση. Για να επιτευχθεί ο αποτελεσματικός μέσος όρος, πρέπει να

1. Διαχωρίστε τα δεδομένα σας σε σύνολα εκπαίδευσης και δοκιμών.
2. Χρησιμοποιήστε τα δεδομένα εκπαίδευσης με διαφορετικούς αλγόριθμους μηχανικής μάθησης.
3. Καταγράψτε τις προβλέψεις από κάθε αλγόριθμο και αξιολογήστε τη βιωσιμότητα του αποτελέσματος χρησιμοποιώντας το σετ δοκιμών.
4. Διόρθωση όλων των διαθέσιμων προβλέψεων μεταξύ τους.
5. Διαλέξτε τις προβλέψεις που συσχετίζουν λιγότερο και υπολογίζουν κατά μέσο όρο το αποτέλεσμά τους. Ή, εάν ταξινομείτε, επιλέξτε μια ομάδα λιγότερο σχετικών προβλέψεων και, για κάθε παράδειγμα, επιλέξτε ως νέα πρόβλεψη τάξης την τάξη την οποία η πλειοψηφία προέβλεπε.
6. Ελέγξτε την πρόβλεψη της νέας μέσης τιμής ή της ψηφοφορίας κατά πλειοψηφία έναντι των δεδομένων δοκιμών. Εάν είναι επιτυχής, δημιουργείτε το τελικό σας μοντέλο με βάση τα αποτελέσματα των μοντέλων που αποτελούν μέρος του επιτυχημένου συνόλου.

Για να καταλάβουμε ποια μοντέλα συσχετίζουν το ελάχιστο, πάρτε τις προβλέψεις ένα προς ένα, συσχετίστε το καθένα με τα υπόλοιπα και υπολογίστε κατά μέσο όρο τους συσχετισμούς για να αποκτήσετε μια μέση συσχέτιση. Χρησιμοποιήστε τη μέση συσχέτιση για να ταξινομήσετε τις επιλεγμένες προβλέψεις που είναι οι πλέον κατάλληλες για τον υπολογισμό του μέσου όρου.