05. 个体学习器的多样性

来源：原始 Jupyter Notebook。内容已转换为网页阅读格式；下载原文件。

误差-分歧分解

个体学习器准确性越高，多样性越大，则集成越好。

多样性度量

很很多方法用于估算个体学习器的多样化程度：

• 不合度量
• 相关系数
• $Q$-统计量
• $\kappa$-统计量

这些都是 成对型（pairwise）多样性度量，可以通过 $\kappa$-误差图 绘制出来。

如何提高多样性？

• 数据样本扰动
• 输入属性扰动
• 输出表示扰动
• 算法参数扰动