InFusionLayer: 学習とモデリングのための CFA ベースのアンサンブルツールで新しい分類器を生成する

アンサンブル学習は、複数のアルゴリズム/モデルを組み合わせることにより予測性能を向上させる、機械学習の確立された手法群です。Combinatorial Fusion Analysis (CFA) は、ランクスコア特性（RSC）と認知的多様性（CD）を用いて複数のスコアリングシステムを組み合わせる方法と実践を提供してきました。エンサンブル手法およびモデル融合を含みます。しかし、これらの技術を取り入れた汎用の Python ツールはまだ入手できません。 本論文では、\texttt{InFusionLayer} を紹介します。これは CFA に触発されたシステム融合レベルの機械学習アーキテクチャで、適度な数の基礎モデルを用いて、教師なしおよび教師ありの多クラス分類問題を最適化します。 \texttt{InFusionLayer} の PyTorch、TensorFlow、および Scikit-learn のワークフローに対する使いやすさを、さまざまなコンピュータビジョンデータセットでの性能を検証することで示します。我々の結果は、RSC 関数と CD の独自性を取り入れることの実用的な利点を強調しており、機械学習におけるより高度なアンサンブル学習アプリケーションへの道を開きます。私たちは継続的な開発と CFA のコミュニティでの活用を促進するため、コードをオープンソース化しました。GitHub: https://github.com/ewroginek/Infusion