基于Stacking策略的稳定性分类器组合模型研究

作者：吴挡平; 张忠林; 曹婷婷

来源：小型微型计算机系统, 2019, 40(05): 1045-1049.

• Stacking方法
• 稳定性分类器
• 分类精度
• 数据降维技术
• 集成算法

针对Bagging、AdaBoost等通用的集成算法对于稳定性分类算法集成效果不是很好的问题,提出了基于Stacking策略的稳定性分类器组合算法.该算法通过构造一个两层的叠加式框架结构,融合数据降维技术处理两层分类器的输入特征,对4种稳定性分类器(LDA、GLM、SVM、KNN)进行组合学习.利用UCI数据集测试算法的性能.实验结果表明:相比一些集成算法(RF、Bagging、C50、AdaBoost),基于Stacking策略稳定性分类器组合模型可以获得更高的分类准确率.同时也为二分类的分类模型提供了一个可行的参考方法.

• 单位
  兰州交通大学