论文部分内容阅读
提出一种元学习定义，从偏差／方差分解角度对元学习中学习算法的选取机制进行研究，得出了元级选用错误率低且偏差小的学习算法、基级学习算法按照错误率及方差从低到高排列的结论．鉴于标准数据集不能充分评估关联对元学习性能的影响，设计了一种模拟算法以产生模拟数据集。在UCI标准数据集和模拟数据集上的实验表明，同常用的多数投票等组合方法相比，基于算法选择机制的元学习表现出优良的性能，且分类器之间的负关联有助于性能的改进。