アンサンブル学習機械の汎化誤差改善効果の解析
スポンサーリンク
概要
- 論文の詳細を見る
最近、汎化能力向上のための新たなアプローチとして、同一タスクに対して複数の学習機械(予測器)を個別に学習した後、それらの出力を平均 (一段には重み付き平均) するというアンサンブル学習法が提案され実験的にその有効性が示されている。しかしながら、これまでアンサンブル予測器の汎化誤差に関する厳密な議論は十分になされていない。本報告では、回帰問題に焦点をあて、一般のアンサンブル予測器の汎化誤差の改善効果について数理的に考察し、計算機シミュレーションにより解析結果の検証を行う。また、実用上重要な、アンサンブル学習におけるサンプル数の影響についても議論する。
- 1996-02-03
論文 | ランダム
- LL_012 Annphony : メタコンテンツ処理のためのプラットフォーム(L分野:ネットワークコンピューティング)
- LG-001 コミュニケーションメディアとしてのプレイリストを目指して(G分野:音声・音楽)
- マルチメディア技術の現状と半導体技術への期待
- 音声・音響用DSPの現状
- 状況と嗜好に関するアノテーションに基づくオンライン楽曲推薦システム