stacking vs. blending：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乙個學習器。假設有五個基學習器，將資料帶入五基學習器中得到**結果，再帶入模型六中進行訓練**。但是由於直接由五個基學習器獲得結果直接帶入模型六中，容易導致過擬合。所以在使用五個及模型進行**的時候，可以考慮使用k折驗證，防止過擬合。blending是將**的值作為新的特徵和原特徵合併，構成新的特徵值，用於**。為了防止過擬合，將資料分為兩部分d1、d2，使用d1的資料作為訓練集，d2資料作為測試集。**得到的資料作為新特徵使用d2的資料作為訓練集結合新特徵，**測試集結果。
平均（簡單平均、加權平均）
投票（簡單投票、加權投票）
stacking**（使用knn, random forest, ***** bayes，與用stacking融合三種模型的結果相比）
blending**
*stacking在比賽中比較好用，但是速度會很慢，實際環境中應用還是有一定的難度。
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...
金融風控模型
工作中暫時未涉及。此處為有幸得到的ppt。記錄學習內容，還有些心得，有錯誤請指出，感激 什麼是欺詐風險 網路借款人是否是本人 網路借款人提交的資料是否真實 什麼是信用風險 網路借款人是否有還款的能力 是否是沒有還款意願的老賴，多次違約 貸款公司如何防範以上兩種風險 針對乙個p2p借款的流程來說，借款...
金融風控學習筆記 5
stacking模型本質上是一種分層的結構，這裡簡單起見，只分析二級stacking。假設我們有3個基模型m1 m2 m3。基模型m1，對訓練集train訓練，然後用於 train和test的標籤列，將 的訓練集和測試集的結果 即 出的y 分別作為p1，t1 對於m2和m3，重複相同的工作，這樣也得...