A post-selection algorithm for improving dynamic ensemble selection methods

要約

動的アンサンブル選択 (DES) は、選択フェーズ中に各クエリ サンプルのアンサンブルを選択することを目的とした複数分類システム (MCS) アプローチです。
いくつかの DES アプローチが提案されていますが、特定の DES 手法がさまざまな問題に対して最適な選択であるということはありません。
したがって、クエリ インスタンスごとに最適な DES アプローチを選択すると、精度が向上する可能性があると仮説を立てます。
このアイデアを評価するために、選択後動的アンサンブル選択 (PS-DES) アプローチを導入します。これは、さまざまなメトリックを使用して、いくつかの DES 手法によって選択されたアンサンブルを評価する選択後スキームです。
実験結果は、アンサンブルを選択するための指標として精度を使用すると、PS-DES が個別の DES 手法よりも優れたパフォーマンスを発揮することを示しています。
PS-DES ソース コードは GitHub リポジトリで入手できます

要約(オリジナル)

Dynamic Ensemble Selection (DES) is a Multiple Classifier Systems (MCS) approach that aims to select an ensemble for each query sample during the selection phase. Even with the proposal of several DES approaches, no particular DES technique is the best choice for different problems. Thus, we hypothesize that selecting the best DES approach per query instance can lead to better accuracy. To evaluate this idea, we introduce the Post-Selection Dynamic Ensemble Selection (PS-DES) approach, a post-selection scheme that evaluates ensembles selected by several DES techniques using different metrics. Experimental results show that using accuracy as a metric to select the ensembles, PS-DES performs better than individual DES techniques. PS-DES source code is available in a GitHub repository

arxiv情報

提供元, 利用サービス

arxiv.jp, Google