加重多数決アルゴリズム（機械学習）

機械学習において、重み付き多数決アルゴリズム（WMA）は、あらゆる種類の学習アルゴリズム、分類器、あるいは実際の人間の専門家など、予測アルゴリズムのプールから複合アルゴリズムを構築するために使用されるメタ学習アルゴリズムです。 ^{[ 1 ] [ 2 ]} このアルゴリズムは、プール内のアルゴリズムの精度に関する事前知識はないが、1つ以上のアルゴリズムがうまく機能すると信じるに足る十分な理由があると想定しています。

問題は二値決定問題であると仮定します。複合アルゴリズムを構築するために、プール内の各アルゴリズムに正の重みが与えられます。複合アルゴリズムは、プール内のすべてのアルゴリズムから重み付き投票を集め、投票数の多い予測を出力します。複合アルゴリズムが誤りを犯した場合、誤った予測に寄与したプール内のアルゴリズムは、0 < β < 1 の範囲で一定の比率 β で減点されます。

アルゴリズム群からの予測の特定のシーケンスで発生する誤りの数の上限は、${\displaystyle \mathbf {A} }$は

${\displaystyle \mathbf {O(log|A|+m)} }$

アルゴリズムが1つある場合${\displaystyle \mathbf {x} _{i}}$最大で${\displaystyle \mathbf {m} }$間違い。

重み付き多数決アルゴリズムには、変化するターゲット、無限プール、ランダムな予測など、さまざまな状況に対応するための多くのバリエーションが存在する。基本的なメカニズムは共通しており、複合アルゴリズムの最終的なパフォーマンスは、プール内のスペシャリスト（最もパフォーマンスの高いアルゴリズム）のパフォーマンスの関数によって制限される。

• ランダム化加重多数決アルゴリズム