Python集成學習之Blending算法詳解

一、前言

普通機器學習:從訓練數據中學習一個假設。

集成方法:試圖構建一組假設並將它們組合起來,集成學習是一種機器學習范式,多個學習器被訓練來解決同一個問題。

集成方法分類為:

Bagging(並行訓練):隨機森林

Boosting(串行訓練):Adaboost; GBDT; XgBoost

Stacking:

Blending:

或者分類為串行集成方法和並行集成方法

1.串行模型:通過基礎模型之間的依賴,給錯誤分類樣本一個較大的權重來提升模型的性能。

2.並行模型的原理:利用基礎模型的獨立性,然後通過平均能夠較大地降低誤差

二、Blending介紹

訓練數據劃分為訓練和驗證集+新的訓練數據集和新的測試集

將訓練數據進行劃分,劃分之後的訓練數據一部分訓練基模型,一部分經模型預測後作為新的特征訓練元模型。
測試數據同樣經過基模型預測,形成新的測試數據。最後,元模型對新的測試數據進行預測。Blending框架圖如下所示:
註意:其是在stacking的基礎上加瞭劃分數據

三、Blending流程圖

在這裡插入圖片描述

  • 第一步:將原始訓練數據劃分為訓練集和驗證集。
  • 第二步:使用訓練集對訓練T個不同的模型。
  • 第三步:使用T個基模型,對驗證集進行預測,結果作為新的訓練數據。
  • 第四步:使用新的訓練數據,訓練一個元模型。
  • 第五步:使用T個基模型,對測試數據進行預測,結果作為新的測試數據。
  • 第六步:使用元模型對新的測試數據進行預測,得到最終結果。

在這裡插入圖片描述

四、案例

相關工具包加載

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt
plt.style.use("ggplot")
%matplotlib inline
import seaborn as sns



創建數據

from sklearn import datasets 
from sklearn.datasets import make_blobs
from sklearn.model_selection import train_test_split
data, target = make_blobs(n_samples=10000, centers=2, random_state=1, cluster_std=1.0 )
## 創建訓練集和測試集
X_train1,X_test,y_train1,y_test = train_test_split(data, target, test_size=0.2, random_state=1)
## 創建訓練集和驗證集
X_train,X_val,y_train,y_val = train_test_split(X_train1, y_train1, test_size=0.3, random_state=1)
print("The shape of training X:",X_train.shape)
print("The shape of training y:",y_train.shape)
print("The shape of test X:",X_test.shape)
print("The shape of test y:",y_test.shape)
print("The shape of validation X:",X_val.shape)
print("The shape of validation y:",y_val.shape)
 

設置第一層分類器

from sklearn.svm import SVC
from sklearn.ensemble import RandomForestClassifier
from sklearn.neighbors import KNeighborsClassifier

clfs = [SVC(probability=True),RandomForestClassifier(n_estimators=5,n_jobs=-1,criterion='gini'),KNeighborsClassifier()]



設置第二層分類器

from sklearn.linear_model import LinearRegression
lr = LinearRegression()



第一層

val_features = np.zeros((X_val.shape[0],len(clfs)))
test_features = np.zeros((X_test.shape[0],len(clfs)))

for i,clf in enumerate(clfs):
    clf.fit(X_train,y_train)
    val_feature = clf.predict_proba(X_val)[:,1]
    test_feature = clf.predict_proba(X_test)[:,1]
    val_features[:,i] = val_feature
    test_features[:,i] = test_feature



第二層

lr.fit(val_features,y_val)



輸出預測的結果

lr.fit(val_features,y_val)
from sklearn.model_selection import cross_val_score
cross_val_score(lr,test_features,y_test,cv=5)
 

到此這篇關於Python集成學習之Blending算法詳解的文章就介紹到這瞭,更多相關Python Blending算法內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: