machine-learning - 使用卷积神经网络的集成学习

Question

我创建了 22 个不同的卷积神经网络，它们都测试图像中是否存在唯一对象（每个分类器都是唯一的）。

测试集中的每个样本都有一个 22 长的向量的输出，看起来像这样 [0, 1, 1, 0, 0, 1, ..., 1]，向量的二进制性质表示存在/缺少特定对象。

我已经在 keras 中实现了这一点，并且 22 个模型的平均准确率达到了 97% 左右。是否有任何特定的集成方法可以让我组合所有 22 个分类器？

Answer 1

您可以从 22 个网络中弹出 softmax 层，然后您可以使用keras.layers.Average()或keras.layers.Maximum()融合这些向量。