Vergleich von Bagging und Voting Ensemble-Maschinenlernalgorithmus als Klassifikator

Bagging und Voting sind beide Arten des Ensemble-Lernens, einer Art des Maschinenlernens, bei der mehrere Klassifikatoren kombiniert werden, um bessere Klassifikationsergebnisse zu erzielen. In diesem Papier wird ein experimenteller Vergleich von Bagging- und Voting-Ensemble-Maschinenlernalgorithmen präsentiert. Der Iris-Datensatz, der 150 Dateninstanzen und 5 Attribute enthält, wurde verwendet, um das Experiment durchzuführen. Es wurde beobachtet, dass Bagging ein besserer Ensemble-Lernalgorithmus ist als Voting basierend auf den experimentellen Daten, die für die Klassifikation verwendet wurden. Schlüsselwörter: Bagging, Voting, Maschinenlernen, Klassifikator, Algorithmus, Datensatz.