论文部分内容阅读
Meta-learning是解决分布式环境下分类挖掘问题的有效方法之一,该方法的关键在于元训练特征的组成,它直接影响着元分类器的性能.当问题域中类别数较多时,组合多个基分类器将使元训练特征集的维度变得非常大.提出在元学习阶段用主成分分析（PCA）简化高维数据,将基分类器的预测信息集中到最小维数的向量上,以提高元学习的泛化效率.实验结果表明,该方法是可行的.