目的
1、对于多种调参完成的模型进行模型融合。
2、完成对于多种模型的融合,提交融合结果并打卡。
模型类型
Datawhale 零基础入门数据挖掘-Task5 模型融合
五、模型融合
Tip:此部分为零基础入门数据挖掘的 Task5 模型融合 部分,带你来了解各种模型结果的融合方式,在比赛的攻坚时刻冲刺Top,欢迎大家后续多多交流。
赛题:零基础入门数据挖掘 - 二手车交易价格预测
地址:https://tianchi.aliyun.com/competition/entrance/231784/introduction?spm=5176.12281957.1004.1.38b02448ausjSX
5.1 模型融合目标
对于多种调参完成的模型进行模型融合。
完成对于多种模型的融合,提交融合结果并打卡。
5.2 内容介绍
模型融合是比赛后期一个重要的环节,大体来说有如下的类型方式。
1、简单加权融合:
回归(分类概率):算术平均融合(Arithmetic mean),几何平均融合(Geometric mean);
分类:投票(Voting);
综合:排序融合(Rank averaging),log融合;
4、stacking/blending:
构建多层模型,并利用预测结果再拟合预测。
3、boosting/bagging(在xgboost,Adaboost,GBDT中已经用到):
多树的提升方法
stacking的介绍
stacking 就是当用初始训练数据学习出若干个基学习器后,将这几个学习器的预测结果作为新的训练集,来学习一个新的学习器。