meerderheidsgebaseerdebenaderingen

Meerderheidsgebaseerde benaderingen zijn methoden waarbij beslissingen, classificaties of acties worden bepaald door de meerderheid van stemmen, meningen of evaluaties van onafhankelijke beoordelaars. Ze worden toegepast in situaties waarin een collectieve uitspraak betrouwbaarder wordt geacht dan een enkele waarneming.

In verschillende vakgebieden komen deze benaderingen voor, waaronder sociale besluitvorming, ensemble leer en gedistribueerde systemen. In de context van machine learning verwijst men vaak naar meerderheidsstemming of majority voting, waarbij de klasse die door de grootste groep modellen wordt voorspeld, wint. Naast harde stemming bestaan er ook gewogen meerderheidsstemmen, waarbij sommige stemmen zwaarder wegen dan andere, bijvoorbeeld door differentiële prestaties van de modellen.

Belangrijke toepassingen zijn onder meer het combineren van voorspellingen uit meerdere classifiers, beslisonsprocessen in crowd-sourcing, en fouttolerante besluitvorming in sensornetwerken of meerdere databases. Een veelgebruikte variant is hard voting, waar de meest voorkomende voorspelling wordt gekozen, en een afgeleide variant met gewichten die de betrouwbaarheid van elk model weerspiegelt. In sommige gevallen wordt ook rangordening samengevat via rangorde-gebaseerde aggregatie.

Voordelen van meerderheidsgebaseerde benaderingen zijn onder meer eenvoud, transparantie en een zekere robuustheid tegen individuele fouten of anomalieën. Nadelen zijn onder meer mogelijke onderdrukking van minderheidsstandpunten, verstoorde of-biased meerderheden en problemen bij gelijke stand of illustree overlaps tussen stemmen. Bij oneerlijke of gesynchroniseerde manipulatie kan de juistheid van de uitkomst afnemen.

Zie ook: sociale keuze theorie, stemregels, democratische besluitvorming, ensemble learning, consensus.