Özet:

Uzman Karışımları, Kolektif Öğrenme metotlarından biridir ve sınıflandırma başarısını artırmak için yaygın olarak kullanılmaktadır. Bu algoritmada, veri seti yumuşak kümeleme ile alt bölümlere ayrılır. Her bir bölüm için ayrı bir sınıflandırıcı uzman oluşturulur ve o bölümdeki örneklerle eğitilir. Belirlenen bir geçiş fonksiyonu ile de uzmanların kararları birleştirilerek sınıflandırma işlemi yapılır. Bu çalışmada veri seti, literatürde önerilen yumuşak kümeleme yerine katı kümeleme yöntemiyle alt veri setlerine bölünmüştür ve her bir alt veri seti için ayrı bir sınıflandırıcı atanmıştır. Uzmanların kararları da önerilen yeni bir geçiş fonksiyonu ile birleştirilmiştir. Bu geçiş fonksiyonu sayesinde, her hangi bir test noktası için tüm uzmanların o test noktasına olan uzaklıklarına bağlı olarak verdikleri kararlar ağırlıklandırılarak birleştirilir ve ortak komite kararı hesaplanmıştır. Bir grup veri seti üzerinde yapılan denemelerde, karar ağaçları ve k en yakın komşuluk algoritması gibi tekil sınıflandırıcılara göre uzman karışımlarının daha başarılı sonuçlar verdiği gözlemlenmiştir. 

Anahtar Kelimeler: