IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> 集成学习学习笔记——Blending与Stacking(7) -> 正文阅读

[人工智能]集成学习学习笔记——Blending与Stacking(7)

一、主要思想

基于先前我们所拥有的传统机器学习的分类器或者回归器,我们在第一层输出一系列预测结果。再基于这一系列预测结果,作为第二层模型的context输入,再最后输出一个集成的预测结果。

二、Blending

数据集T

【步骤】总结来说:训练集用来训练第一层模型,验证集用来调参,测试集用来度量模型效果

(1)将数据划分为训练集和测试集(test_set),再将训练集二次划分为训练集(train_set)和验证集(val_set)

(2)创建第一层的多个模型,这些模型可以同质化也可以异质化

(3)使用train_set训练(2)中的多个模型,然后用训练好的模型对val_set,test_set做预测得到val_predict,test_predict

(4)创建第二层模型,使用val_predict作为训练集训练第二层的模型

(5)使用第二层训练好的模型对第二层测试集test_predict进行预测,最后得到的cost即为整个预测集的误差

jupyter

?(图片转自https://blog.csdn.net/sinat_35821976/article/details/83622594

三、Stacking

【Blending的缺点】Blending在模型搭建过程中,第二层集成模型的训练只用到了validation set,这是对数据的浪费

【步骤】

(1)基于数据集T生成训练集train_set和测试集test_set。

(2)在第一层中,对train_set做K折交叉验证:每次验证都相当于用(K-1)/K的train_set训练一个模型,再用拟合好的模型对1/K的train_set做预测(得到1/K*#(train_set)个预测label),同时也对test_set做预测得到#(test_set)个预测label

(3)对(2)得到的K个1/K部分的train_set预测,我们将这一系列预测值合并为一列向量,这其实就是第一层中的一个基模型在K折交叉验证中对每个样本的一次预测,记为A_i;同时对(2)中对test_set做预测得到的K*#(test_set)个预测label,做平均或加权平均,形成B_i

(4)上述(3)是一个基模型在第一层所输出的结果,当我们对N个基模型做完之后会得到A_1,A_2,\cdots,A_N;B_1,B_2,\cdots,B_N。我们最终第二层集成模型的拟合是以A整体为train_set,即用A1至AN作为N个context预测train_set样本对应的ground truth;同时以B整体为test_set。

jupyter

?

?(图片转自Datawhale)

四、优缺点对比

Blending的优点:

  • 比stacking更加简单(Blending的stacker feature直接由validation set和test set产生,不涉及K折交叉验证)

Blending的缺点:

  • 使用hold-out作为测试集,而非cv,在训练stacker模型上用的数据量相对Stacking来说更少
  • blending更容易过拟合
  • Stacking使用多次CV更加robust

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-07-29 11:38:10  更:2021-07-29 11:39:21 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年3日历 -2024/3/28 21:00:54-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码