金融风控训练营-Task03-模型融合学习笔记

本学习笔记为阿里云天池龙珠计划金融风控训练营的学习内容，学习链接为：https://tianchi.aliyun.com/specials/activity/promotion/aicampdocker

一、学习知识点概要

本节学习的是将多个模型融合的方法。

二、学习内容

模型融合的方法：

平均（适用于回归问题）：

• 简单平均法

直接融合，求多个预测结果的平均值。

• 加权平均法

根据之前预测模型的准确率，进行加权融合，将准确性高的模型赋予更高的权重。

投票（适用于分类问题）：

• 简单投票法
• 加权投票法

综合：

• 排序融合
• log融合

stacking：构建多层模型，并利用预测结果再拟合预测。

blending：选取部分数据预测训练得到预测结果作为新特征，带入剩下的数据中预测。

boosting/bagging

三、学习问题与解答

直到学习到这一节，我才对模型的搭建和整合有了一个系统完整的认识，对模型搭建的流程也逐渐清晰，在单一模型和整合模型之间确实存在让人意想不到的惊喜。

四、学习思考与总结

机器学习的建模过程，在拿到数据后首先熟悉数据的属性，处理数据的缺失值和异常值，通过分析构建特征，进行取舍，再构建相关的模型，评估性能，不断地调整参数以提高性能，最后可以将不同的模型进行融合，可能会得到更优的模型。