Myślę, że uzyskasz konkurencyjne wyniki z obu algorytmów, więc powinieneś zebrać wyniki ... pomyśl o nauce zespołowej.
Aktualizacja:
Nie wiem, czy to jest na tyle specyficzny: Optymalny klasyfikator Bayesa używać połączyć prognozy z każdego algorytmu. Musisz wyszkolić oba swoje algorytmy, następnie musisz wyszkolić optymalizator Bayesa, aby używał twoich algorytmów i optymalnie prognozował na podstawie danych wejściowych algorytmów.
jednostkowe dane treningowe w 3:
- 1. set dane zostaną wykorzystane do szkolenia (sztuczne) Neural Network and Support Vector Machines.
- Drugi zestaw danych zostanie użyty do szkolenia optymalizatora Bayesa, biorąc surowe prognozy z SSN i SSN.
- Trzeci zestaw danych będzie Twoim zestawem danych kwalifikacyjnych, w którym przetestujesz swój wyszkolony optymalizator Bayesa.
Aktualizacja 2,0:
Inny sposób, aby utworzyć zespół algorytmów jest użycie 10-fold (or more generally, k-fold) cross-validation:
- danych Przerwa w 10 zestawów wielkości N/10.
- Trenuj na 9 zestawach danych i przetestuj na 1.
- Powtórz 10 razy i zrób średnią dokładność.
Pamiętaj, że możesz ogólnie połączyć wiele klasyfikatorów i metod sprawdzania poprawności w celu uzyskania lepszych wyników. To tylko kwestia znalezienia najlepszego rozwiązania dla Twojej domeny.
Czy możesz mi pomóc trochę więcej na temat tego, czego dokładnie użyć? – Arc
@Akrid Zaktualizowałem mój komentarz ... czy to pomaga, czy potrzebujesz więcej informacji? – Kiril
Wielkie dzięki Lirik – Arc