votación dura, votación suave en métodos basados ​​en conjuntos

Estoy leyendo Aprendizaje automático práctico con Scikit-Learn y TensorFlow: conceptos, herramientas y técnicas para construir sistemas inteligentes . Entonces no soy capaz de descubrir la diferencia entre la votación dura y la votación suave en contexto con los métodos basados ​​en conjuntos.

Cito descripciones de ellos del libro. Las dos primeras imágenes de la parte superior son descripciones para votación dura, y la última es para votación suave.

En mi opinión, la votación dura es una decisión mayoritaria, pero no entiendo la votación suave y la razón por la cual la votación suave es mejor que la votación dura. ¿Alguien me enseñaría esto?

una publicación que leí

Tomemos un ejemplo simple para ilustrar cómo funcionan ambos enfoques.

Imagine que tiene 3 clasificadores (1, 2, 3) y dos clases (A, B), y después del entrenamiento predice la clase de un solo punto.

Votación dura

Predicciones :

El clasificador 1 predice la clase A

El clasificador 2 predice la clase B

El clasificador 3 predice la clase B

Los clasificadores 2/3 predicen la clase B, por lo que la clase B es la decisión del conjunto .

Votación suave

Predicciones

(Esto es idéntico al ejemplo anterior, pero ahora se expresa en términos de probabilidades. Los valores se muestran solo para la clase A aquí porque el problema es binario):

El clasificador 1 predice la clase A con una probabilidad del 99%

El clasificador 2 predice la clase A con una probabilidad del 49%

El clasificador 3 predice la clase A con una probabilidad del 49%

La probabilidad promedio de pertenecer a la clase A entre los clasificadores es (99 + 49 + 49) / 3 = 65.67%. Por lo tanto, la clase A es la decisión del conjunto .

Entonces puede ver que en el mismo caso, la votación suave y dura puede conducir a decisiones diferentes. La votación suave puede mejorar en la votación dura porque tiene en cuenta más información; utiliza la incertidumbre de cada clasificador en la decisión final. La alta incertidumbre en los clasificadores 2 y 3 aquí esencialmente significó que la decisión final del conjunto dependía fuertemente del clasificador 1.

Este es un ejemplo extremo, pero no es raro que esta incertidumbre altere la decisión final.