本周由侯丽博士给大家讲解集成学习框架，介绍了Boosting提升框架的AdaBoost加权模型，Bagging与随机森林等，重点讨论了多样性度量方法，大家重点讨论了多样性增强方法，包括数据样本扰动、输入属性扰动、输出表示扰动、算法参数扰动等。在两级学习的框架下，结合常用的决策树、贝叶斯分类器、随机森林等作为一级分类器，采用深度神经网络作为二级分类器，可以实现异构分类器的级联与集成效果。
自由讨论时，沈来信教授分享了在信用卡欺诈检测中的实验结果，Xgboost>LightGBM>Catboost>随机森林RF>孤立森林，并讨论了训练代码和训练数据集。
图 侯丽博士主持集成学习讨论会
会议中，多位专业老师进行了跨专业的人工智能应用研发讨论，集中在生成式大模型应用基础上，在建筑、艺术的图形、图像、音频、视频等生成徽派特色的产出。在现有图像大模型基础上，采集徽派建筑图像数据，进行徽州建筑特征的标注，构建专有的建筑语料库、竹雕语料库等，通过微调训练得到垂直领域大模型，完成大模型应用的最后一公里。
（会议总结：沈来信）