已经有不同的策略来提高机器学习模型的性能,例如,增加模型的深度、宽度和/或非线性,以及使用集成学习来并行或串联聚合多个基础/弱学习器。 我们针对这个问题提出了一种称为补丁学习(PL)的新策略。 它包括三个步骤:1)使用所有训练数据训练一个初始全局模型; 2)从初始全局模型中识别对学习误差贡献最大的补丁,并为每个这样的补丁训练一个(局部)补丁模型; 并且,3) 使用不属于任何补丁的训练数据更新全局模型。 要使用 PL 模型,我们首先要确定输入是否属于任何补丁。 如果是,则使用相应的补丁模型来计算输出。 否则,将使用全局模型。 包括说明 PL 的功能。
2021-05-29 12:02:38
7KB
matlab
1