Instance Instability

研究发现特征装袋可增强算法稳定性

研究人员分析了特征装袋（一种在随机抽样的特征子集上训练基学习器的集成方法）对算法稳定性的影响。他们引入了“特征不稳定性”（FI）作为类似于“实例不稳定性”（II）的度量，发现较低的FI和II值表示更高的稳定性。在参数化和无模型设置中的实验表明，与非装袋方法相比，特征装袋增强了稳定性，更激进的子采样可带来更大的改进。研究还表明，适度的装袋轮数可以达到接近无限装袋的稳定性水平。