041.（10.23）集成学习之学习策略与多样性

常见学习策略

回归问题

1. 平均法

2. 加权平均

   由于数据中样本不充分或噪声的影响，学出的权重有可能不靠谱，这时该方法未必优于普通平均法。

分类问题

1. 绝对多数投票法

   标记过半，则预测为该标记。

2. 相对多数投票法

   预测为得票最多的标记。若存在得票数目相同的标记，则随机选择一个。

3. 加权投票法

注意，不同类型的输出值不能混用（如基学习器异质），可以看看是否有相应的转换技术。

学习法

当训练数据很多时，可通过另一个学习器进行结合，stacking是其中的代表。这里把用于结合的学习器称为次学习器或元学习器。

注意，在次级学习阶段，如果直接用初级学习器的训练集产生次级训练集，过拟合风险较大。因此，可以考虑交叉验证（如没一折中的训练集-初级，测试集-次级）、留一法等方式选取。

多样性

分歧（以回归为例）

集成的分歧可以体现个体学习器的差异。

误差

误差-分歧分解

（E为集成的泛化误差）

由上述公式可以看出，个体学习器准确性越高、多样性越大，集成越好。

详细推导可见：
Vincent__Lai：西瓜书集成学习的误差-分歧分解公式推导

多样性度量（一般指分类问题）

常见的多样性度量：不和度量、相关系数、Q-统计量、k-统计量

多样性增强

常见的增强方式有数据样本扰动、输入属性扰动、输出表示扰动、算法参数扰动。前两者在前面有提到过。

• 输出表示扰动：对输出操纵，如翻转部分分类结果，随机改变一些样本标记、对输出表示进行转化，可以是类别转化为回归，等等。

• 算法参数扰动：