心电图信号分类预测——Task5 模型融合

---

前言

这次是我第一次接触到模型融合，之前没打过什么比赛，也没有什么人教，沟通交流的人也少，自从发现datawhale这个组织之后，发现里面很多宝藏男孩、宝藏女孩，从中学习到了很多东西，包括数据挖掘、数据分析、特征工程等等.今天又到了新一期学习的最后一个任务，这个任务真的还是蛮难的，我花了挺多时间 代码操作还是有问题.

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、模型融合是什么？

先解决第一个问题，模型融合是什么？

模型融合有哪些？








我主要考虑的是使用stacking融合的方法.

二、使用步骤

1.引入库

代码如下（示例）：

import pandas as pd
import numpy as np
import warnings
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns

warnings.filterwarnings('ignore')
%matplotlib inline

import itertools
import matplotlib.gridspec as gridspec
from sklearn import datasets
from sklearn.linear_model import LogisticRegression
from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB 
from sklearn.ensemble import RandomForestClassifier,RandomForestRegressor
# from mlxtend.classifier import StackingClassifier
from sklearn.model_selection import cross_val_score, train_test_split
# from mlxtend.plotting import plot_learning_curves
# from mlxtend.plotting import plot_decision_regions

from sklearn.model_selection import StratifiedKFold
from sklearn.model_selection import train_test_split
from sklearn.model_selection import StratifiedKFold
from sklearn.model_selection import train_test_split
import lightgbm as lgb
from sklearn.neural_network import MLPClassifier,MLPRegressor
from sklearn.metrics import mean_squared_error, mean_absolute_error

2.引入一个降存函数

代码如下（示例）：

def reduce_mem_usage(df):
    start_mem = df.memory_usage().sum() / 1024**2 
    print('Memory usage of dataframe is {:.2f} MB'.format(start_mem))
    
    for col in df.columns:
        col_type = df[col].dtype
        
        if col_type != object:
            c_min = df[col].min()
            c_max = df[col].max()
            if str(col_type)[:3] == 'int':
                if c_min > np.iinfo(np.int8).min and c_max < np.iinfo(np.int8).max:
                    df[col] = df[col]