集成学习（Ensemble Learning）中的投票过程

集成学习（Ensemble Learning）里的投票

• Hard/Soft投票集成方法
• 首先，请加载必要的模块
  • 导入乳腺癌数据集
  • 手动实现硬投票集成方法（不依赖于sklearn库）
  • 手动实现硬投票集成方法（调用库中的集成功能）
  • 手动集成软投票结果（不依赖于sklearn库）
  • 调用库中的软投票集成方法

在集成学习的各种方法中,最直观且 simplest 的方式是 majority voting. 其核心目标在于聚合基础模型对各类别的预测结果. majority voting代表了集成学习中最简单也是最常用的技术形式,因为它能够有效地结合多个基本模型的预测能力. 类似于选举机制,这个算法假设每一个基础模型都相当于一个选民,每一个类别相当于一个候选者. 通过这种方式来进行选举时,我们需要找到能够代表大多数意见的那个类别作为最终胜出者. 将多种单独模型产生的预测结果与群体决策相结合的方法主要有两种:一种称为 hard voting ,另一种称为 soft voting . 在本节中我们将详细介绍这两种方法的基本原理及其应用效果

![在这里插入图片描述](https://ad.itadn.com/c/weblog/blog-img/images/2025-05-31/5OAekyZwmdhnvNzLRJSEFMrtIxcC.p