softVoting Classifier

最新推荐文章于 2022-12-11 11:57:23 发布
最新推荐文章于 2022-12-11 11:57:23 发布
阅读量152 收藏 1
点赞数
分类专栏： 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Thumb_/article/details/113274235
版权

在这里插入图片描述还是加载上一节的数据

#%% soft voting classifier

voting_clf2 = VotingClassifier(estimators=[
    ('log_clf',LogisticRegression()),
    ('svm_clf',SVC(probability=True)),
    ('dt_clf',DecisionTreeClassifier())
],voting='soft')   

voting_clf2.fit(X_train,y_train)
voting_clf2.score(X_test,y_test)

结果：0.856

_卷心菜_
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
sklearn使用投票器VotingClassifier算法构建多模型融合的软投票器分类器（soft voting）并自定义子分类器的权重（weights）、计算融合模型的混淆矩阵、可视化混淆矩阵
data+scenario+science+insight
01-16 784
sklearn使用投票器VotingClassifier算法构建多模型融合的软投票器分类器（soft voting）并自定义子分类器的权重（weights）、计算融合模型的混淆矩阵、可视化混淆矩阵
VotingClassifier用法
zyoulanxin的博客
10-09 5487
""" 一、Hard Voting 与 Soft Voting 的对比 1）使用方式 voting = 'hard'：表示最终决策方式为 Hard Voting Classifier； voting = 'soft'：表示最终决策方式为 Soft Voting Classifier； 2）思想 Hard Voting Classifier：根据少数服从多数来定最终结果； Soft Voting Classifier：将所有模型预测样本为某一类别的概率的平均值作为标准，概率最高的对应的类型为最终的预测结
集成学习demo(1) softvoting
sinat_41636155的博客
11-05 206
import numpy as np from sklearn.pipeline import Pipeline import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split from sklearn.preprocessing import PolynomialFeatures from sklearn.preprocessing import StandardScaler from skl...
机器学习：集成学习（Soft Voting Classifier）
ab1213456的博客
08-15 1651
一、Hard Voting 与 Soft Voting 的对比 　1）使用方式 voting = 'hard'：表示最终决策方式为 Hard Voting Classifier； voting = 'soft'：表示最终决策方式为 Soft Voting Classifier； 　2）思想 Hard Voting Classifier：根据少数服从多数来...
91-SoftVoting Classifier
qq_41033011的博客
10-24 259
Soft Voting Classifier   上一篇博客我们看到对于集成学习来说，我们可以使用少数服从多数的方式集成多个模型算法进行处理，那么在这个过程中，我们接触到了一个概念，这种少数服从多数的投票的方式，叫做 Hard Voting。相应的其实还有一种更重要的方式：Soft Voting。   其实 Soft Voting 的思想也很简单。就是在很多情况下，少数服从多数其实不是最合理的。其实更合理的投票应该是对于不同的人来说是有权值的。那么最典型的例子就是网上有很多唱歌比赛的投票，专业的音乐评审他
kaggle 泰坦尼克项目实战（详细代码分享）——集成学习Soft voting
笨小孩的数据分析之路
02-12 3836
顺利注册完kaggle之后，我们终于可以开始上手撸项目啦！ 我们就先从大名鼎鼎的泰坦尼克号开始！ 尽管网上有很多大神进行了“入门级别”的代码分享讲解，但我看了一轮下来，自惭形秽，深深觉得我还不配称为入门级别的选手，我只是个小白…… 所以这篇文章还有个副标题是“小白级别“的代码分享o(*≧▽≦)ツ。 声明在前：我的代码有参考某些大神的帖子，在文末会贴上作者及链接； 我的代码和文章仅做学习研究分享，如...
Machine Learning with Scikit-Learn and Tensorflow 7.1 Voting Classifiers
qinhanmin2010的博客
04-05 863
Hands-On Machine Learning with Scikit-Learn and Tensorflow
集成学习 hard/soft Voting,Bagging/Pasting,oob 随机森林
qq_45906101的博客
12-11 454
集成学习 hard/soft Voting,Bagging/Pasting,oob 随机森林
机器学习之集成学习理论与代码实践
07-09
详细讲解了集成学习的主要方法：Voting、Bagging、Boosting和Stacking。每一种集成方法都配有详细的代码讲解。能够使用集成模型完成分类或回归任务。
论文研究-基于基分类器自身的Bagging基分类器权重设置策略 .pdf
08-24
基于基分类器自身的Bagging基分类器权重设置策略，崔恺旭，刘知青，Bagging算法是一种有效的提高分类任务中分类器性能的集成学习算法。文章提出一种Bagging算法中加权投票法权重的设置策略，该策略基于�
sklearn使用投票器VotingClassifier算法构建多模型融合的硬投票器分类器（hard voting）并计算融合模型的混淆矩阵、可视化混淆矩阵（confusion matrix）
data+scenario+science+insight
12-18 846
sklearn使用投票器VotingClassifier算法构建多模型融合的硬投票器分类器（hard voting）并计算融合模型的混淆矩阵、可视化混淆矩阵（confusion matrix）
关于融合模型的一些简单整理（Stacking、Blending）
积一时之步，臻千里之遥程
05-14 3424
目前，模型融合的方式有很多，比较常用的包括Voting法、Stacking法以及Blending法。 一、Voting Voting是模型融合策略中最简单的一种方法，其融合过程不需要建立新的模型，只需要在单一模型的输出结果上完成融合。 Voting可以分为硬投票（Hard Voting）和软投票（Soft Voting）。 硬投票（Hard Voting）是指对每个模型给出的样本分类结果以少数服从多数的方式产生最终结果，例如对于一个二分类问题，分别使用逻辑回归模型、支持向量机模型以及随机森林模型进行预测
机器学习系列笔记十三: 集成学习/模型聚合
ChanZany的博客
07-19 1263
机器学习系列笔记十三: 集成学习/模型聚合 文章目录机器学习系列笔记十三: 集成学习/模型聚合什么是集成学习VotingHard Voting模拟实现Hard Voting 集成学习使用Voting ClassifierSoft Voting使用Soft Voting实现集成学习Bagging对Bagging的使用OOB与关于Bagging的更多讨论随机森林与Extra-Trees随机森林使用随机森林Extra-Trees使用Extra-Trees集成学习解决回归问题BoostingAdaBoost使用Ad
投票分类器VotingClassfier的使用
lisenpy的博客
09-16 3434
投票分类器有硬投票和软投票两种，硬投票是对结果进行投票，软投票是对多种结果的预测精度加权后取最高值投票。 这里使用硬投票举个例子 from sklearn.model_selection import train_test_split from sklearn.datasets import make_moons x,y=make_moons(n_samples=1000,noise=0.25,random_state=42) xtr,xte,ytr,yte=train_test_split(x,y,tes
集成学习voting Classifier在sklearn中的实现
热门推荐
m0_37725003的博客
07-20 1万+
      机器学习的算法有很多，对于每一种机器学习算法，考虑问题的方式都略微有所不同，所以对于同一个问题，不同的算法可能会给出不同的结果，那么在这种情况下，我们选择哪个算法的结果作为最终结果呢？那么此时，我们完全可以把多种算法集中起来，让不同算法对同一种问题都进行预测，最终少数服从多数，这就是集成学习的思路。     其实在我们的生活中，也经常会用到集成学习的思路。比如想买一件化妆品时找...
adaboost算法_从0开始实现一个Adaboost分类器（完整代码）
weixin_39763293的博客
11-22 508
导读日前，通俗易懂的推导了三种集成学习的原理及主要公式，今天本文基于Python从0开始手动实现一个Adaboost分类器，文中提供完整代码。01 Adaboost基本原理回顾Adaboost作为一种提升集成算法，核心思想是不断训练弱学习器，来针对性的提升前一轮中预测错误样本的权重，最终通过加权所有弱学习器的训练结果得到最终分类标签。Adaboost是一种加权提升的集成算法，关键在于两个...
Scikit-Learn 集成方法（Ensemble method） 学习
夜晓楼的博客
03-18 1万+
集成算法的目标是：组合几个基学习器的预测，以此来提高单个模型的泛化性和健壮性 集成方法常分为两类： averging methods：平均法的原则是： 独立的构建几个学习器，然后平均他们的预测。通常，组合的学习器要比任何一个单个的学习器要好，因为它降低了方差。           其中的代表：bagging 方法，随即森林 boosting methods：学习器依次构建，试图降低
classifiertest1000
最新发布
11-24
classifiertest1000是一个用于测试分类器性能的数据集。该数据集包含了1000个样本数据，每个样本包括了若干特征和一个分类标签。通过使用classifiertest1000数据集，可以对不同的分类算法进行测试和比较，以评估它们...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值