集成学习（下）--1

Blending集成学习方式

(1) 将数据划分为训练集和测试集(test_set)，其中训练集需要再次划分为训练集(train_set)和验证集(val_set)；
(2) 创建第一层的多个模型，这些模型可以使同质的也可以是异质的；
(3) 使用train_set训练步骤2中的多个模型，然后用训练好的模型预测val_set和test_set得到val_predict,
test_predict1；
(4) 创建第二层的模型,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_predict1进行预测，该结果为整个测试集的结果。
（1）过程中： 总的数据集被分成训练集和测试集，训练集中再拆分出训练集和验证集。训练集是为了训练模型，测试集是为了调整模型(调参)，测试集则是为了检验模型的优度。
（2）（3）过程中：使用训练集创建了K个模型作为第一层的模型。训练好模型后将验证集输入模型进行预测，得到K组不同的输出，然后将测试集输入K个模型也得到K组输出。
（4）过程中：使用k组模型的验证集结果作为第二层分类器的特征，验证集的标签为因变量，训练第二层分类器。
（5）过程中：将输入测试集的样本结果放入第二层分类器，得到测试集预测结果。
##优缺点
优点：实现简单，无需其他理论分析。
缺点：只使用了一部分数据集作为留出集进行验证，浪费数据。

案例

# 加载相关工具包 
import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
plt.style.use("ggplot") 
import seaborn as sns

# 创建数据 
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 ) 
## 创建训练集和测试集 
X_train1,X_test,y_train1,y_test = train_test_split(data, target, test_size=0.2, random_state=1) 
## 创建训练集和验证集 
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)

# 设置第一层分类器 
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()] 
# 设置第二层分类器 
from sklearn.linear_model import LinearRegression lr = LinearRegression()
# 输出第一层的验证集结果与测试集结果 
val_features = np.zeros((X_val.shape[0],len(clfs))) # 初始化验证集结果 
test_features = np.zeros((X_test.shape[0],len(clfs))) # 初始化测试集结果 
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

# 将第一层的验证集的结果输入第二层训练第二层分类器 
lr.fit(val_features,y_val) 
# 输出预测的结果 
from sklearn.model_selection import cross_val_score 
cross_val_score(lr,test_features,y

参考资料：

https://github.com/datawhalechina/team-learning-data-mining/tree/master/EnsembleLearning