Показано, що ансамбль, зазвичай, більш точний, ніж одинична мережа, існуючі ансамблеві методи, однак, як правило, створюють невиправдано великі ансамблі, які збільшують використання пам'яті та обчислювальні витрати. Спрощення ансамблю вирішує цю проблему. Проаналізовано компроміс між точністю і різноманітністю і доведено, що класифікатори, які є більш точними і роблять більш точні прогнозів у групі меншості, більш важливі для побудови підансамблю. Запропоновано метрику, яка враховує точність і різноманітність, щоб оцінити вклад окремого класифікатора в ансамбль. Це дозволяє виділити необхідну кількість мереж з найкращими результатами і включити їх в ансамбль.

 Наукова періодика України 

---

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"