如何在Python中使用Blending算法

如何在Python中使用Blending算法？相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

一、前言

普通機器學習：從訓練數據中學習一個假設。

集成方法：試圖構建一組假設并將它們組合起來，集成學習是一種機器學習范式，多個學習器被訓練來解決同一個問題。

集成方法分類為：

Bagging(并行訓練)：隨機森林

Boosting（串行訓練）：Adaboost; GBDT; XgBoost

Stacking:

Blending:

或者分類為串行集成方法和并行集成方法

1.串行模型：通過基礎模型之間的依賴，給錯誤分類樣本一個較大的權重來提升模型的性能。

2.并行模型的原理：利用基礎模型的獨立性，然后通過平均能夠較大地降低誤差

二、Blending介紹

訓練數據劃分為訓練和驗證集+新的訓練數據集和新的測試集

將訓練數據進行劃分，劃分之后的訓練數據一部分訓練基模型，一部分經模型預測后作為新的特征訓練元模型。
測試數據同樣經過基模型預測，形成新的測試數據。最后，元模型對新的測試數據進行預測。Blending框架圖如下所示：
注意：其是在stacking的基礎上加了劃分數據

三、Blending流程圖

• 第一步：將原始訓練數據劃分為訓練集和驗證集。

• 第二步：使用訓練集對訓練T個不同的模型。

• 第三步：使用T個基模型，對驗證集進行預測，結果作為新的訓練數據。

• 第四步：使用新的訓練數據，訓練一個元模型。

• 第五步：使用T個基模型，對測試數據進行預測，結果作為新的測試數據。

• 第六步：使用元模型對新的測試數據進行預測，得到最終結果。

四、案例

相關工具包加載

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

創建數據

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 )
## 創建訓練集和測試集
X_train1,X_test,y_train1,y_test = train_test_split(data, target, test_size=0.2, random_state=1)
## 創建訓練集和驗證集
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)

設置第一層分類器

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()]

設置第二層分類器

from sklearn.linear_model import LinearRegression
lr = LinearRegression()

第一層

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

第二層

lr.fit(val_features,y_val)

輸出預測的結果

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

python主要應用領域有哪些

1、云計算，典型應用OpenStack。2、WEB前端開發，眾多大型網站均為Python開發。3.人工智能應用，基于大數據分析和深度學習而發展出來的人工智能本質上已經無法離開python。4、系統運維工程項目，自動化運維的標配就是python+Django/flask。5、金融理財分析，量化交易，金融分析。6、大數據分析。

看完上述內容，你們掌握如何在Python中使用Blending算法的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！