Python集成学习之Blending算法详解

一、前言

普通机器学习：从训练数据中学习一个假设。

集成方法：试图构建一组假设并将它们组合起来，集成学习是一种机器学习范式，多个学习器被训练来解决同一个问题。

集成方法分类为：

Bagging(并行训练)：随机森林

Boosting（串行训练）：Adaboost; GBDT; XgBoost

Stacking:

Blending:

或者分类为串行集成方法和并行集成方法

1.串行模型：通过基础模型之间的依赖，给错误分类样本一个较大的权重来提升模型的性能。

2.并行模型的原理：利用基础模型的独立性，然后通过平均能够较大地降低误差

二、Blending介绍

训练数据划分为训练和验证集+新的训练数据集和新的测试集

将训练数据进行划分，划分之后的训练数据一部分训练基模型，一部分经模型预测后作为新的特征训练元模型。
测试数据同样经过基模型预测，形成新的测试数据。最后，元模型对新的测试数据进行预测。Blending框架图如下所示：
注意：其是在stacking的基础上加了划分数据

三、Blending流程图

• 第一步：将原始训练数据划分为训练集和验证集。

• 第二步：使用训练集对训练T个不同的模型。

• 第三步：使用T个基模型，对验证集进行预测，结果作为新的训练数据。

• 第四步：使用新的训练数据，训练一个元模型。

• 第五步：使用T个基模型，对测试数据进行预测，结果作为新的测试数据。

• 第六步：使用元模型对新的测试数据进行预测，得到最终结果。

四、案例

相关工具包加载

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.style.use("ggplot")
％matplotlib inline
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()

第一层

val_features = np.zeros((X_val.shape[0],len(clfs)))
test_features = np.zeros((X_test.shape[0],len(clfs)))

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

第二层

lr.fit(val_features,y_val)

输出预测的结果

lr.fit(val_features,y_val)
from sklearn.model_selection import cross_val_score
cross_val_score(lr,test_features,y_test,cv=5)

来源：https://blog.csdn.net/qq_36816848/article/details/116674754