Использование агрегированных классификаторов при технической диагностике на базе машинного обучения

Abstract

При решении задач технической диагностики объекта с применением машинного обучения проводится бинарная классификация состояния объекта: объекты подразделяются на исправные и неисправные с помощью моделей, полученным по обучающим выборкам. Качество классификации, которое определяет эффективность машинного обучения, зависит от ряда факторов: объема исходной выборки, метода машинного обучения, способа разделения выборки на обучающую и контрольную части, отбора значимых показателей и других. Иногда целесообразно воспользоваться агрегированными методами классификации, которые представляют собой объединенные результаты базовых методов классификации. Для нахождения наилучшего агрегированного метода используется перебор всевозможных базовых наборов.