模型融合
1.加权融合
加权融合分为三大类:1.对于回归问题或者概率形式表示的分类问题----
算术平均融合(Arithmetic mean),几何平均融合(Geometric mean)
2.分类问题----Bagging,投票多数决定
3.综合----排序融合,log融合
2.堆叠融合(stacking)
以第一层多个不同模型的输出值作为第二层模型的输入,依次堆叠多层模型拟合预测。
但是直接在不同模型预测的结果基础上再加一层模型,进行再训练,从而得到模型最终的预测这种方法容易导致过拟合,导致在测试集上效果下降。所以可以采用K折交叉stack的方法。
如图,对于第一层的第i个模型,对于总的训练集的输出值用每折计算的验证集的输出部分表示,每折输出1/k的训练集特征。
同理,对于预测集则取K次交叉验证训练的模型的平均值作为第i个模型的第一层的输出特征。
3.boosting/bagging
即是xgboost,GBDT用到的提升方法
经验总结(来自DateWhale ML67)
比赛的融合这个问题,个人的看法来说其实涉及多个层面,也是提分和提升模型鲁棒性的一种重要方法:
1)结果层面的融合,这种是最常见的融合方法,其可行的融合方法也有很多,比如根据结果的得分进行加权融合,还可以做Log,exp处理等。在做结果融合的时候,有一个很重要的条件是模型结果的得分要比较近似,然后结果的差异要比较大,这样的结果融合往往有比较好的效果提升。
2)特征层面的融合,这个层面其实感觉不叫融合,准确说可以叫分割,很多时候如果我们用同种模型训练,可以把特征进行切分给不同的模型,然后在后面进行模型或者结果融合有时也能产生比较好的效果。
3)模型层面的融合,模型层面的融合可能就涉及模型的堆叠和设计,比如加Staking层,部分模型的结果作为特征输入等,这些就需要多实验和思考了,基于模型层面的融合最好不同模型类型要有一定的差异,用同种模型不同的参数的收益一般是比较小的。
代码演练
"""回归\分类概率-融合"""
## 生成一些简单的样本数据,test_prei 代表第i个模型的预测值
test_pre1 = [1.2, 3.2, 2.1, 6.2]
test_pre2 = [0.9, 3.1, 2.0, 5.9]
test_pre3 = [1.1, 2.9, 2.2, 6.0]
# y_test_true 代表第模型的真实值
y_test_true = [1, 3, 2, 6]
import numpy as np
import pandas as pd
## 定义结果的加权平均函数
def Weighted_method(test_pre1,test_pre2,test_pre3,w=[1/3,1/3,1/3]):
Weighted_result = w[0]*pd.Series(test_pre1)+w[1]*pd.Series(test_pre2)+w[2]*pd.Series(test_pre3)
return Weighted_result
from sklearn import metrics
# 各模型的预测结果计算MAE
print('Pred1 MAE:',metrics.mean_absolute_error(y_test_true, test_pre1))
print('Pred2 MAE:',metrics.mean_absolute_error(y_test_true, test_pre2))
print('Pred3 MAE:',metrics.mean_absolute_error(y_test_true, test_pre3))
## 根据加权计算MAE
w = [0.3,0.4,0.3] # 定义比重权值
Weighted_pre = Weighted_method(test_pre1,test_pre2,test_pre3,w)
print('Weighted_pre MAE:',metrics.mean_absolute_error(y_test_true, Weighted_pre))
#可以发现加权结果相对于之前的结果是有提升的,这种我们称其为简单的加权平均。
#定义mean平均函数
def Mean_method(test_pre1,test_pre2,test_pre3):
Mean_result = pd.concat([pd.Series(test_pre1),pd.Series(test_pre2),pd.Series(test_pre3)],axis=1).mean(axis=1)
return Mean_result
#定义median平均函数,返回种中位值
def Median_method(test_pre1,test_pre2,test_pre3):
Median_result = pd.concat([pd.Series(test_pre1),pd.Series(test_pre2),pd.Series(test_pre3)],axis=1).median(axis=1)
return Median_result
"""stacking 融合(回归)"""
from sklearn import linear_model
## 生成一些简单的样本数据,test_prei 代表第i个模型的预测值
def Stacking_method(train_reg1,train_reg2,train_reg3,y_train_true,test_pre1,test_pre2,test_pre3,model_L2= linear_model.LinearRegression()):
model_L2.fit(pd.concat
([pd.Series(train_reg1),pd.Series