集成模型選擇

深度分析

MetaEns：以元學習預測邊際增益的無監督集成模型選擇

在缺乏標記的場景下，無監督異常偵測難以評估與組合模型。MetaEns透過元學習預測候選檢測器的邊際增益，並以相似度折扣與家族風險正則化促成多樣且精簡的集成。實驗顯示其在39個實務資料集上能以較少模型達成更高平均精確度。該方法兼顧冗贅抑制與風險控管，支援自動停止，減少運算成本並提升穩健性。