machine-learning - 监督学习

Question

问题是关于结合检测器的输出概率。我的每个检测器 d_i 都给了我场景中物体存在的概率 p_i。我有一个标记的数据集，我想学习检测器的加权组合以获得（更准确的）全局检测器。

我可以使用哪些算法来解决此类问题？我想比较不同的方法。作为第一步，权重可以是固定的学习值。然后，例如根据时间上下文使它们自适应会很好。

感谢您的想法。

Answer 1

一个好的起点是加权多数算法，它根据检测器在数据集上的相对性能为检测器开发权重。该算法有多种变体，其中一些可以处理随时间漂移的目标。

如果您的检测器都是同一模型的所有实例（具有不同的参数），您还可以查看各种集成学习算法，尽管如果您对比较基本算法的相对性能感兴趣，这些可能不太适用。