Applied Soft Computing Journal, 2019

提升集成学习：在多样性和准确性之间找到平衡

集成学习，就像一个团队合作，将多个“学习者”的预测结果结合起来，以期获得比单个学习者更准确的结果。然而，集成学习中一直存在一个挑战：如何平衡学习者之间的多样性和个体准确性？通常，多样性越高，个体准确性就越低，反之亦然。为了解决这一问题，西安电子科技大学的研究人员提出了一种新的加权集成学习方法，通过将多个学习器的组合转化为线性变换，并通过最大化多样性和个体准确性来获得最佳权重，从而在两者之间取得平衡。这项研究发表在《应用软计算杂志》上，为集成学习领域带来了新的思路。