摘要
提出一种应用于回归问题,以分类回归树为基学习器,并综合Boosting和Bagging算法的特点,利用变相似度聚类技术和贪婪算法来进行选择性集成学习的算法——SER-BagBoosting Trees算法。将其与几种常用的机器学习算法进行比较研究,得出该算法往往比其他集成学习算法具有更好的泛化性能和更高的运行效率。
This paper introduces a new ensemble algorithm, SER-BagBoosting Trees ensemble algorithm, which is a combination of tree predictors and is based on variational similarity cluster technology and greedy method, and it is combined with the features of Boosting and Bagging. Compared with a series of other learning algorithms, it often has better generalization ability and higher running efficiency.
出处
《计算机工程》
CAS
CSCD
北大核心
2009年第21期17-19,共3页
Computer Engineering
基金
国家自然科学基金资助重点项目(10431010)
教育部重点基地基金资助重大项目(05JJD910001)
中国人民大学应用统计中心基金资助项目
关键词
分类回归树
自助抽样
选择性集成
Classification and Regression Trees（CART）
bootstrap
selective ensemble
