整合（组合）多个深度学习回归模型，这些模型已经具有辍学层
[英]Ensemble (Combine) multiple deep learning regression models which already have dropout layers
问题描述
目前，我有多个训练有素的模型用于回归任务，每个模型都具有相同的体系结构，但是在训练时，我具有辍学层以提高性能，我仍然可以将这些训练后的模型结合起来并计算权重的平均值合并的新模型？ 我刚刚听说有一种整体预测方法可以使我们做到这一点，但是我不确定是否仍然可以做到这一点，因为我已经有了随机的辍学层。
任何提示，不胜感激！
1 个解决方案
解决方案1
0 2018-04-05 17:35:17
我认为辍学与您要执行的操作无关。 集成应该可以很好地与辍学一起工作。
我们可以在不增加分类时间的情况下创建深度学习模型的集合吗？
[英]Can we create an ensemble of deep learning models without increasing the classification time?
如何将存储在3个数据帧中的3个机器学习模型的结果合并/集合化，并输出1个数据帧并获得大多数人同意的结果？
[英]How do I combine/ensemble results of 3 machine learning models stored in 3 dataframes and output 1 dataframe with results agreed by majority?
python中如何结合深度学习模型和传统机器学习模型的分类结果
[英]How to combine the classification results of deep learning models and traditional machine learning models in python
用于堆叠集成学习的多项逻辑回归，将 2d 输入到回归中
[英]Multinomial logistic regression for stacked ensemble learning with 2d input into regression
使用 Keras 将 Dropout 层添加到 Segmentation_Models Resnet34
[英]Adding Dropout Layers to Segmentation_Models Resnet34 with Keras
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.