Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Using Optimized Optimization Criteria in Ensemble Member Selection
Högskolan i Borås, Institutionen Handels- och IT-högskolan.ORCID-id: 0000-0003-0274-9026
Högskolan i Borås, Institutionen Handels- och IT-högskolan.ORCID-id: 0000-0003-0412-6199
2009 (Engelska)Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Both theory and a wealth of empirical studies have established that ensembles are more accurate than single predictive models. Unfortunately, the problem of how to maximize ensemble accuracy is, especially for classification, far from solved. This paper presents a novel technique, where genetic algorithms are used for combining several measurements into a complex criterion that is optimized separately for each dataset. The experimental results show that when using the generated combined optimization criteria to rank candidate ensembles, a higher test set accuracy for the top ranked ensemble was achieved compared to using other measures alone, e.g., estimated ensemble accuracy or the diversity measure difficulty.

Ort, förlag, år, upplaga, sidor
2009.
Nyckelord [en]
ensembles, diversity, Computer Science, Machine Learning, Data Mining
Nyckelord [sv]
data mining
Nationell ämneskategori
Data- och informationsvetenskap
Identifikatorer
URN: urn:nbn:se:hj:diva-45810Lokalt ID: 0;0;miljJAILOAI: oai:DiVA.org:hj-45810DiVA, id: diva2:1348935
Konferens
SWIFT 2008 - Skövde Workshop on Information Fusion Topics
Anmärkning

Sponsorship:

This work was supported by the Information Fusion Research Program (www.infofusion.se) at the University of Skövde, Sweden, in partnership with the Swedish Knowledge Foundation under grant 2003/0104.

Tillgänglig från: 2019-09-06 Skapad: 2019-09-06 Senast uppdaterad: 2019-09-06Bibliografiskt granskad

Open Access i DiVA

fulltext(314 kB)3 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 314 kBChecksumma SHA-512
f29a547a677e5d4dadaacc260cb5aef9952d7938f49502b8475c13f9b5f8d56b9fafd5d8b0f284ec533dc5e9fc9171a666f2d4d10760ca154744164bb257c1ef
Typ fulltextMimetyp application/pdf

Personposter BETA

Löfström, TuveJohansson, Ulf

Sök vidare i DiVA

Av författaren/redaktören
Löfström, TuveJohansson, Ulf
Data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 3 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 39 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf