监督学习

Question

问题是关于组合来自检测器的输出概率。我的每个探测器d_i都会给我一个物体出现在场景中的概率p_i。我有一个标记的数据集，我想学习检测器的加权组合，以获得(更准确的)全局检测器。

我可以使用什么算法来解决这样的问题？我想比较一下不同的方法。作为第一步，权重可以是固定的学习值。那么，例如，让它们根据时间上下文进行自适应就很好了。

谢谢你的点子。

Answer 1

weighted majority algorithm是一个很好的起点，它根据检测器在数据集上的相对性能来开发检测器的权重。该算法有多种变体，其中一些可以处理随时间漂移的目标。

如果您的检测器是同一模型的所有实例(具有不同的参数)，您还可以查看各种ensemble learning算法，尽管如果您感兴趣的是比较基本算法的相对性能，则这些算法可能不太适用。