ระบบเฉลี่ยและการลงคะแนนเสียงสามารถทำงานได้ดีเมื่อคุณใช้การผสมผสานระหว่างการเรียนรู้ด้วยเครื่องอื่น อัลกอริทึม นี่คือแนวทาง เฉลี่ย และใช้กันอย่างแพร่หลายเมื่อคุณไม่สามารถลดความแปรปรวนโดยประมาณได้
ในขณะที่คุณพยายามที่จะเรียนรู้จากข้อมูลคุณต้องลองใช้โซลูชันที่แตกต่างกันซึ่งจะจำลองข้อมูลของคุณโดยใช้โซลูชันการเรียนรู้ด้วยเครื่องที่แตกต่างกัน การปฏิบัติที่ดีในการตรวจสอบว่าคุณสามารถนำบางส่วนของพวกเขาเข้าร่วมวงได้โดยใช้ค่าประมาณการคาดการณ์หรือโดยการนับชั้นที่คาดการณ์ไว้ หลักการนี้เหมือนกับในการคาดการณ์ที่ไม่เกี่ยวข้องกับการบรรจุหีบห่อเมื่อแบบจำลองผสมเข้าด้วยกันสามารถสร้างการคาดการณ์ที่แปรปรวนได้น้อยลง เพื่อให้ได้ค่าเฉลี่ยที่มีประสิทธิภาพคุณต้อง
- แบ่งข้อมูลของคุณลงในชุดฝึกอบรมและชุดทดสอบ
- ใช้ข้อมูลการฝึกอบรมกับอัลกอริทึมการเรียนรู้ด้วยเครื่องอื่น
- บันทึกการคาดการณ์จากแต่ละอัลกอริทึมและประเมินความมีชีวิตของผลการใช้ชุดทดสอบ
- เปรียบเทียบการคาดการณ์ทั้งหมดที่มีให้กัน
- เลือกการคาดคะเนที่มีความสัมพันธ์น้อยที่สุดและให้คะแนนโดยเฉลี่ย หรือหากคุณกำลังจำแนกประเภทให้เลือกกลุ่มที่มีการคาดการณ์ที่มีความสัมพันธ์น้อยที่สุดและสำหรับแต่ละตัวอย่างให้เลือกเป็นคำทำนายคลาสใหม่ของชั้นเรียนที่ส่วนใหญ่ทำนายไว้
- ทดสอบการคาดการณ์ที่ได้รับการจดจำโดยเฉลี่ยหรือได้รับการโหวตเป็นรายใหญ่กับข้อมูลการทดสอบ หากประสบความสำเร็จคุณจะสร้างแบบจำลองขั้นสุดท้ายของคุณโดยเฉลี่ยผลของรูปแบบส่วนหนึ่งของชุดที่ประสบความสำเร็จ
เมื่อต้องการทำความเข้าใจกับรูปแบบใดที่มีความสัมพันธ์กันอย่างน้อยให้ใช้การคาดคะเนทีละหนึ่งความสัมพันธ์กันกับคนอื่น ๆ และให้ความสัมพันธ์โดยเฉลี่ยเพื่อให้ได้ค่าสหสัมพันธ์โดยเฉลี่ย ใช้ความสัมพันธ์โดยเฉลี่ยเพื่อจัดลำดับการคาดคะเนที่เลือกซึ่งเหมาะสมที่สุดสำหรับการเฉลี่ย
