天池新手赛——街景字符编码识别(五)

天池新手赛——街景字符编码识别(五)

Task 5 模型集成

常用的集成方法

  • Boosting方法训练基分类器时采用串行的方式,各个基分类器之间有依赖。它的基本思路是将基分类器层层叠加,每一层在训练的时候,对前一层基分类器分错的样本,给予更高的权重。测试时,根据各层分类器的结果的加权得到最终结果。
  • Bagging与Boosting的串行训练方式不同,Bagging方法在训练过程中,各基分类器之间无强依赖,可以进行并行训练。
  • 集成学习一般可分为以下3个步骤。

(1)找到误差互相独立的基分类器。
(2)训练基分类器。
(3)合并基分类器的结果。

深度学习中的集成方法

  1. Dropout
  2. TTA(测试集数据扩增)
  3. Snapshot

你可能感兴趣的:(深度学习)