基础分类器的结果是由投票系统选择的，然后是元分类器在输入时实际得到的是整个分类器还是仅分类错误的分类器？如果整个机制可以用一个像这个链接这样的简单例子来解释，那将会很有帮助 Majority vote algorithm in Weka.classifiers.meta.vote
提前致谢。
最佳答案
考虑一个有 n 个成员的集合。这些成员中的每一个都接受了给定训练数据集的训练。集成成员可以共享相同的分类器类型(同质)或使用不同的分类器(异质)。鼓励成员之间的多样性，以便每个成员产生不同的估计。
不是对每个集成成员的估计进行投票或平均以生成集成估计，而是在集成成员和集成估计之间训练一个元学习器，该元学习器接受每个集成成员的估计作为输入并生成集成输出。
下面是一个例子:
Ensemble Member 1 Estimate --->
Ensemble Member 2 Estimate ---> Meta-Learner -> Ensemble Estimate
Ensemble Member 3 Estimate --->
在 Weka 的情况下，“分类器”参数指的是最初经过训练以估计输出的集成成员，而“元分类器”是采用分类器输入并估计集成输出的模型。
希望对您有所帮助!
关于weka - Weka中的堆叠算法是什么？它实际上是如何工作的？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/26075353/