堆叠技术：堆叠泛化（集成学习）
5星
- 浏览量: 0
- 大小:None
- 文件类型：ZIP
简介：
堆叠泛化是集成学习的一种方法，通过将多个模型的输出作为新数据集的输入特征，并利用顶层模型进行预测，从而提高机器学习系统的准确性与稳定性。
堆叠（堆叠概括）
总览：
这是一个简单实用的堆叠库，用Python编写。
用户可以使用scikit-learn、XGBoost和Keras的模型进行堆叠。作为该库的功能之一，在训练后可以保存所有基础模型的预测结果以供进一步分析。
描述：
有时也被称为堆叠泛化，它涉及通过组合其他几个学习算法的预测来训练一个学习算法。基本思想是使用一组基础分类器，然后用另一个分类器将它们的预测结合起来，从而减少泛化误差。
对于理解堆栈和集成学习非常有帮助。
用法说明：
请参阅示例代码运行：
要执行这些示例，请在终端中输入 sh run.sh 。注意：
1. 在数据/输入目录下设置训练集和测试集；
2. 从原始数据集中创建的特征必须存储于数据/输出/特征目录下。
3. 堆栈模型定义位于scripts文件夹下的scripts.py文件内，需要在该脚本中定义创建的功能。
详细用法：
1. 设置训练数据及其目标变量和测试集；
2. 定义基础学习器的预测结果存储路径。
全部评论 (0)
还没有任何评论哟~
