使用重复分类器的众数模式是否值得？

我有一个关于分类器概念的问题。

情况1

如果我有一个分类器，其性能达到90%，然后我创建了n个使用相同算法和相同数据集的另一个分类器，性能也达到90%。

与情况1相同，但每个分类器使用不同的算法。

我从以下结果中获得

mode(classifier1,classifier2,classifier3,...,classifiern)

这种技术是否值得使用还是无用（对于情况1和情况2）？

回答：

情况1和情况2都被称为集成学习。两者都值得使用。

对于情况1：请注意，即使是具有相同架构、相同学习算法但初始权重不同的神经网络，其性能也可能非常不同。

类似于情况1（采用平均值而不是众数）的方法是Schmidhubers的平均集成。我在我的硕士论文中发布了一些使用各种数据集和网络架构的结果（例如表5.2、表5.8、表5.9、表5.11、5.13等）。