如何在Python中使用Blending算法

如何在python中使用Blending算法？相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

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

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。

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

• 将原始训练数据划分为训练集和验证集。

• 使用训练集对训练T个不同的模型。

• 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。

• 使用新的训练数据，训练一个元模型。

• 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。

• 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 npimport pandas as pd import matplotlib.pyplot as pltplt.style.use("ggplot")%matplotlib inlineimport seaborn as sns

创建数据

from sklearn import datasets from sklearn.datasets import make_blobsfrom sklearn.model_selection import train_test_splitdata, 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 SVCfrom sklearn.ensemble import RandomForestClassifierfrom 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 LinearRegressionlr = 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_scorecross_val_score(lr,test_features,y_test,cv=5)

Python主要应用领域有哪些

1、云计算，典型应用OpenStack。2、WEB前端开发，众多大型网站均为python开发。3.人工智能应用，基于大数据分析和深度学习而发展出来的人工智能本质上已经无法离开python。4、系统运维工程项目，自动化运维的标配就是python+Django/flask。5、金融理财分析，量化交易，金融分析。6、大数据分析。

看完上述内容，你们掌握如何在Python中使用Blending算法的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注编程网Python频道，感谢各位的阅读！