不同模型的融合

1.blending

比如数据分成train和test,对于model_i(比如xgboost),即对所有的数据训练模型model_i,预测test数据生成预测向量v_i, 然后对train做CV fold=5,  然后对其他4份做训练数据,另外一份作为val数据,得出模型model_i_j,然后对val预测生成向量t_i_j, 然后将5分向量concat生成t_i,这是对应t_i与v_i对应,  每个模型都能生成这样一组向量,然后在顶层的模型比如LR或者线性对t向量进行训练,生成blender模型对v向量进行预测

也就是需要生成如下的一个表,训练集数据为把数据切分交叉生成,测试集为训练数据全部训练对测试集预测生成

id

model_1

model_2

model_3

model_4

label

1

0.1

0.2

0.14

0.15

0

2

0.2

0.22

0.18

0.3

1

3

0.8

0.7

0.88

0.6

1

4

0.3

0.3

0.2

0.22

0

5

0.5

0.3

0.6

0.5

1

blending 的优点是:比stacking简单,不会造成数据穿越,generalizers和stackers使用不同的数据,可以随时添加其他模型到blender中。

与stacking的区别是:

stacking在预测 测试集上时直接基于训练数据的

blender在预测 测试集上每次cv的子集都会预测下预测集, n次cv取平均

Blending:用不相交的数据训练不同的 Base Model,将它们的输出取(加权)平均。

Stacking:划分训练数据集为两个不相交的集合,在第一个集合上训练多个学习器,在第二个集合上测试这几个学习器,把第三步得到的预测结果作为输入,把正确的回应作为输出,训练一个高层学习器。

模型融合的模块

##模型融合的模块

from heamy.dataset import Dataset

from heamy.estimator import Regressor,Classifier

from heamy.pipeline import ModelsPipeline

##sklearn中常见模块

from sklearn.datasets import load_boston

from sklearn.ensemble import RandomForestRegressor##随机森林回归

from sklearn.neighbors import KNeighborsRegressor##knn近邻回归

from sklearn.linear_model import  LinearRegression #线性回归模型

from  sklearn.model_selectionimport train_test_split ##训练集好测试集分开的模块

from sklearn.metrics import  mean_absolute_error ##加载评估的模块

from sklearn import cross_validation,metrics

import pandas as pd

import os

os.chdir('F://gbdt学习')

data = load_boston()

X, y = data['data'], data['target']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1, random_state=111)

stack

df=pd.DataFrame(columns=['y_test','stacks','blend','weights'])

df.y_test=y_test

# create dataset

dataset = Dataset(X_train,y_train,X_test)

# initialize RandomForest &LinearRegression

model_rf = Regressor(dataset=dataset, estimator=RandomForestRegressor, parameters={'n_estimators': 50},name='rf')

model_lr = Regressor(dataset=dataset, estimator=LinearRegression,parameters={'normalize': True},name='lr')

pipeline = ModelsPipeline(model_rf,model_lr)

stack_ds = pipeline.stack(k=10,seed=111)

# Train LinearRegression on stacked data(second stage) 线性叠加

stacker = Regressor(dataset=stack_ds, estimator=LinearRegression)

results = stacker.predict()  ##测试集的预测结果

df.stacks=results

# Validate results using 10 foldcross-validation

results = stacker.validate(k=10,scorer=mean_absolute_error)

blending

# load boston dataset from sklearn

from sklearn.datasets import load_boston

data = load_boston()

X, y = data['data'], data['target']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1, random_state=111)

# create dataset

dataset = Dataset(X_train,y_train,X_test)

# initialize RandomForest & LinearRegression

model_rf = Regressor(dataset=dataset, estimator=RandomForestRegressor, parameters={'n_estimators': 50},name='rf')

model_lr = Regressor(dataset=dataset, estimator=LinearRegression,parameters={'normalize': True},name='lr')

# Stack two models

# Returns new dataset with out-of-fold predictions

pipeline =ModelsPipeline(model_rf,model_lr)

stack_ds = pipeline.blend(proportion=0.2,seed=111)

# Train LinearRegression on stacked data(second stage)

stacker = Regressor(dataset=stack_ds, estimator=LinearRegression)

results = stacker.predict() ##预测的结果

df.blend=results

# Validate results using 10 foldcross-validation

results = stacker.validate(k=10,scorer=mean_absolute_error)

weights

model_rf = Regressor(dataset=dataset, estimator=RandomForestRegressor, parameters={'n_estimators': 151},name='rf')

model_lr = Regressor(dataset=dataset, estimator=LinearRegression,parameters={'normalize': True},name='lr')

model_knn = Regressor(dataset=dataset, estimator=KNeighborsRegressor,parameters={'n_neighbors': 15},name='knn')

pipeline = ModelsPipeline(model_rf,model_lr,model_knn)

weights = pipeline.find_weights(mean_absolute_error)

result = pipeline.weight(weights)

results=result.execute() ##预测的结果

metrics.mean_absolute_error(y_test,results)

df.weights=results

df.to_csv('results.csv',index=False)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,053评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,527评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,779评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,685评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,699评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,609评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,989评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,654评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,890评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,634评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,716评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,394评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,976评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,950评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,191评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,849评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,458评论 2 342

推荐阅读更多精彩内容