Day 3 Algorithm Enhancement: Model Fusion with Stacking

阅读量：

算法进阶day3--模型融合Stacking

- 任务
  - 堆叠方法
  - - 程序实现
    - 实验结果

任务

选取当前评估得分最高的模型作为基础框架，将其与其它模型进行集成融合，从而构建出最终的综合模型并得出相应的评分结果。

Stacking

本人对Stacking技术尚处于初步学习阶段，查阅了大量相关资料，发现该篇文章内容详尽，特此附上引用链接：(<>)
Stacking属于模型集成的一种实现方式，关于StackingCVClassifier的参数设置说明如下：

复制代码

    classifiers : 基分类器，数组形式，[cl1, cl2, cl3]. 每个基分类器的属性被存储在类属性 self.clfs_.
    meta_classifier : 目标分类器，即将前面分类器合起来的分类器
    use_probas : bool (default: False) ，如果设置为True， 那么目标分类器的输入就是前面分类输出的类别概率值而不是类别标签
    average_probas : bool (default: False)，当上一个参数use_probas = True时需设置，average_probas=True表示所有基分类器输出的概率值需被平均，否则拼接。

全部评论 (0)

还没有任何评论哟~