论文部分内容阅读
集成学习被认为是当前数据挖掘、机器学习中提升预测精度的重要方法。在分析集成学习基本概念的基础上,将集成学习模型设计划分为分类器构建、分类器集成和分类结果整合3个阶段,并从分类器误差控制、集成泛化能力提升和应用误差容忍具体对提升集成学习预测精度进行研究探讨,通过实例分析研究3个阶段预测精度的影响因素和提升方法。结果表明,该研究对控制集成学习预测误差、提升预测精度和构建合理高效集成学习模型具有较为重要的指导意义。