Ich habe Merkmale aus einer großen Menge von Trainings- und Testbildern mit Sklearn und Caffe extrahiert. Um die Merkmalsextraktion durchzuführen, verwendete ich 3 verschiedene vortrainierte Convnets von Caffe Model Zoo.Kombinieren von Merkmalssätzen, die aus mehreren Modellen extrahiert wurden
Mit jedem der 3 Sätze von Funktionen kann ich eine SVM trainieren, die etwa 80% genau auf die Testdaten ist. Aber was ist der beste Weg, die Kraft aller 3 Funktionen zu nutzen?
Ich habe versucht, einfach die Ergebnisse von 3 getrennten SVMs zusammen zu berechnen (Mittelung der Wahrscheinlichkeitsvorhersagen für jede Markierung), aber es ergab keine Verbesserung gegenüber einzelnen Modellen.
Wäre es hilfreich, die Feature-Sets zu einem großen Set zusammenzufügen und das zum Trainieren einer SVM (oder einer anderen) zu verwenden?
Beachten Sie, dass der Datensatz Multiclass Multilabel ist. Vielen Dank.
Vielen Dank. Können Ensemble-Techniken mit Multilabel-Daten in Sklearn verwendet werden? –
Ja, es kann nur suchen, um die beste Methode zu finden, die mit Ihnen arbeitet. Multi-Label selbst ist noch in der Forschung. Es tut mir leid, dass ich dieses Paket nicht kenne – BH85