В чём разница между жёстким и мягким голосованием в ансамблях?
▪️ Жёсткое голосование называют ещё голосованием большинством. В этом случае общее предсказание ансамблем метки класса, например, выбирается по принципу «большинство классификаторов предсказали эту метку».
Например, если прогноз для определённой выборки такой:
- классификатор 1 -> класс 1
- классификатор 2 -> класс 1
- классификатор 3 -> класс 2
То ансамблевый классификатор определит объект как «класс 1».
Жёсткое голосование часто используется, когда все классификаторы считаются равноценными.
▪️В мягком голосовании общее предсказание ансамблем метки класса определяется через argmax суммы всех предсказанных вероятностей. Каждому классификатору можно присвоить определённые веса с помощью weights параметра. Когда веса предоставлены, прогнозируемые вероятности классов для каждого классификатора собираются, умножаются на вес классификатора и усредняются. Выбирается метка класса, у которой самая высокая средняя вероятность.
#junior
#middle
▪️ Жёсткое голосование называют ещё голосованием большинством. В этом случае общее предсказание ансамблем метки класса, например, выбирается по принципу «большинство классификаторов предсказали эту метку».
Например, если прогноз для определённой выборки такой:
- классификатор 1 -> класс 1
- классификатор 2 -> класс 1
- классификатор 3 -> класс 2
То ансамблевый классификатор определит объект как «класс 1».
Жёсткое голосование часто используется, когда все классификаторы считаются равноценными.
▪️В мягком голосовании общее предсказание ансамблем метки класса определяется через argmax суммы всех предсказанных вероятностей. Каждому классификатору можно присвоить определённые веса с помощью weights параметра. Когда веса предоставлены, прогнозируемые вероятности классов для каждого классификатора собираются, умножаются на вес классификатора и усредняются. Выбирается метка класса, у которой самая высокая средняя вероятность.
#junior
#middle