Task5模型融合整理筆記

2021-10-04 18:21:29 字數 1714 閱讀 2330

模型融合用於對多個模型進行融合以得到優於單個模型的效果。

模型融合的方法主要有:

回歸:算術平均融合,幾何平均融合

分類:投票融合

綜合:排序融合,log融合

將多個模型得到的**結果concate之後再次進行模型**

def

weighted_method

(test_pre1,test_pre2,w=[1

/2,1

/2])

: weighted_result = w[0]

*pd.series(test_pre1)

+w[1

]*pd.series(test_pre2)

return weighted_result

## init the weight

w =[

0.5,

0.5]

## 測試驗證集準確度

vala = weighted_method(val_lgb,val_xgb,w)

print

('mae of weighed:'

,mean_absolute_error(y_val,vala)

)

## starking

# 第一層

train_lgb_pred = model_lgb.predict(x_train)

train_xgb_pred = model_xgb.predict(x_train)

strak_x_train = pd.dataframe(

)strak_x_train[

'method_1'

]= train_lgb_pred

strak_x_train[

'method_2'

]= train_xgb_pred

strak_x_val = pd.dataframe(

)strak_x_val[

'method_1'

]= val_lgb

strak_x_val[

'method_2'

]= val_xgb

strak_x_test = pd.dataframe(

)strak_x_test[

'method_1'

]= suba_lgb

strak_x_test[

'method_2'

]= suba_xgb

defbuild_model_lr

(x_train,y_train)

: reg_model = linear_model.linearregression(

) reg_model.fit(x_train,y_train)

return reg_model

## level2-method

model_lr_stacking = build_model_lr(strak_x_train,y_train)

## 驗證集

val_pre_stacking = model_lr_stacking.predict(strak_x_val)

print

('mae of stacking-lr:'

,mean_absolute_error(y_val,val_pre_stacking)

)

結果:

在驗證集下的結果是用加權求和的方法更好。

TASK 5 模型融合

task 5 模型融合 總結自 datawhale 零基礎入門資料探勘 task 5 模型融合 ml67 1 stacking 是用初始訓練資料學習出若干個基學習器後,將這幾個學習器的 結果作為新的訓練集,來學習乙個新的學習器。2 結合策略 如何將個體學習器結合在一起使用的方法。分類可以使用投票法。...

task5 模型融合

內容介紹 模型融合是比賽後期上分的重要手段,特別是多人組隊學習的比賽中,將不同隊友的模型進行融合,可能會收穫意想不到的效果哦,往往模型相差越大且模型表現都不錯的前提下,模型融合後結果會有大幅提公升,以下是模型融合的方式。平均 stacking 將若干基學習器獲得的 結果,將 結果作為新的訓練集來訓練...

金融風控 Task5 模型融合

模型融合是比賽後期上分的重要手段,特別是多人組隊學習的比賽中,將不同隊友的模型進行融合,可能會收穫意想不到的效果哦,往往模型相差越大且模型表現都不錯的前提下,模型融合後結果會有大幅提公升,以下是模型融合的方式。平均 a.簡單平均法 b.加權平均法 投票 a.簡單投票法 b.加權投票法 綜合 a.排序...