最终实施 多模型实验 在深度学习中,我们有时使用一种称为多模型整合的方法,其中我们将相关的大型神经网络并行组合,然后将来自那些网络的特征向量进行连接,然后使用一个简单的分类器(可以是ANN或基于树的分类器)在级联的特征向量上进行分类。 在诸如图像分类的研究中,这种方法已被证明可以很好地工作。 因此,我们使用相同的原理并制作了多模型分类器,但是通过替换了基于树的分类器而不是深度神经网络。 由于基于树的分类器无法生成特征向量作为输出,因此我们必须坚持使用其当前输出。 在本实验中,我们将数据集分为3部分(即train1,train2,train3),它们分别如下。 以下是验证集的结果 Accuracy - 0.49108766824299743 Confusion Matrix - [[1174 276 160] [ 529 146 66] [ 301 67 30