classification - 不同特征的集成分类器

Question

我正在执行多类分类，并正在研究不同类型的特征对性能的影响。我分别对每组特征使用 SVM 1v1 分类器，现在我想尝试训练一个组合模型，该模型将利用我拥有的所有特征集。有哪些方法可以创建这样一个组合模型，而不是将所有功能简单地倾倒在一起？我的理解是，这类似于集成模型的想法，但是，我找不到可以在多个特征集上运行的集成示例。

我还应该提到，我正在寻找开箱即用的实现或一些库，而不是自己实现模型。

Answer 1

如果您的抽象对象和每个集合中的某些特征之间只有 1-1 映射 - 那么这实际上是一个经典的集成模型，完全没有区别。您认为您的模型为对象使用多个不同的特征提取器，因此

ABSTRACT OBJECTS  ------  FEATURES  ------ MODELS
 \____________________________/               |
    your definition of data        your definition of model

而典型的 ML 方法（对您的方法的看法）将是

ABSTRACT OBJECTS  ------  FEATURES  ------ MODELS
     |                      \_________________/         
   data                             model

换句话说，每一对 (features_set, model) 定义了实际的模型，正如您所看到的，有了这样的视角，您只需使用任何集成技术。您以某种方式“手工制作”各种功能集这一事实并没有改变这样一个事实，即它只是从抽象对象（无论它们是什么）到实际决策的功能建模的一部分。