在機(jī)器學(xué)習(xí)中，有一類(lèi)學(xué)習(xí)方式是通過(guò)試圖構(gòu)建一組假設(shè)并將它們組合起來(lái)，這種學(xué)習(xí)被稱(chēng)為集成學(xué)習(xí)。集成學(xué)習(xí)常用到的一種算法就是Blending算法，今天這篇Blending算法詳解我們將介紹一些關(guān)于集成學(xué)習(xí)的知識(shí)。感興趣的小伙伴快來(lái)看看吧。
一、前言
普通機(jī)器學(xué)習(xí)：從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)一個(gè)假設(shè)。
集成方法：試圖構(gòu)建一組假設(shè)并將它們組合起來(lái)，集成學(xué)習(xí)是一種機(jī)器學(xué)習(xí)范式，多個(gè)學(xué)習(xí)器被訓(xùn)練來(lái)解決同一個(gè)問(wèn)題。
集成方法分類(lèi)為：
Bagging(并行訓(xùn)練)：隨機(jī)森林
Boosting（串行訓(xùn)練）：Adaboost; GBDT; XgBoost
Stacking:
Blending:
或者分類(lèi)為串行集成方法和并行集成方法
1.串行模型：通過(guò)基礎(chǔ)模型之間的依賴(lài)，給錯(cuò)誤分類(lèi)樣本一個(gè)較大的權(quán)重來(lái)提升模型的性能。
2.并行模型的原理：利用基礎(chǔ)模型的獨(dú)立性，然后通過(guò)平均能夠較大地降低誤差
二、Blending介紹
訓(xùn)練數(shù)據(jù)劃分為訓(xùn)練和驗(yàn)證集+新的訓(xùn)練數(shù)據(jù)集和新的測(cè)試集
將訓(xùn)練數(shù)據(jù)進(jìn)行劃分，劃分之后的訓(xùn)練數(shù)據(jù)一部分訓(xùn)練基模型，一部分經(jīng)模型預(yù)測(cè)后作為新的特征訓(xùn)練元模型。
測(cè)試數(shù)據(jù)同樣經(jīng)過(guò)基模型預(yù)測(cè)，形成新的測(cè)試數(shù)據(jù)。最后，元模型對(duì)新的測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè)。Blending框架圖如下所示：
注意：其是在stacking的基礎(chǔ)上加了劃分?jǐn)?shù)據(jù)
三、Blending流程圖
- 第一步：將原始訓(xùn)練數(shù)據(jù)劃分為訓(xùn)練集和驗(yàn)證集。
- 第二步：使用訓(xùn)練集對(duì)訓(xùn)練T個(gè)不同的模型。
- 第三步：使用T個(gè)基模型，對(duì)驗(yàn)證集進(jìn)行預(yù)測(cè)，結(jié)果作為新的訓(xùn)練數(shù)據(jù)。
- 第四步：使用新的訓(xùn)練數(shù)據(jù)，訓(xùn)練一個(gè)元模型。
- 第五步：使用T個(gè)基模型，對(duì)測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè)，結(jié)果作為新的測(cè)試數(shù)據(jù)。
- 第六步：使用元模型對(duì)新的測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到最終結(jié)果。
四、案例
相關(guān)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(chuàng)建數(shù)據(jù)
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(chuàng)建訓(xùn)練集和測(cè)試集
X_train1,X_test,y_train1,y_test = train_test_split(data, target, test_size=0.2, random_state=1)
## 創(chuàng)建訓(xùn)練集和驗(yàn)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(shè)置第一層分類(lèi)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(shè)置第二層分類(lèi)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(yù)測(cè)的結(jié)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)
到此這篇Python集成學(xué)習(xí)之Blending算法詳解的文章就介紹到這了,更多機(jī)器學(xué)習(xí)相關(guān)內(nèi)容請(qǐng)搜索W3Cschool以前的文章或繼續(xù)瀏覽下面的相關(guān)文章。
