使用基于Stacking集成学习的多模型融合预测时,元学习器的测试集效果特别差的原因是什么?
2条回答 默认 最新
关注
不知道你这个问题是否已经解决, 如果还没有解决的话:- 这个问题的回答你可以参考下: https://ask.csdn.net/questions/7771928
- 这篇博客你也可以参考下:集成方法stack模型在样例数据集的试验
- 您还可以看一下 纪佳琪老师的机器学习之集成学习理论与代码实践课程中的 stacking原理及实现小节, 巩固相关知识点
- 除此之外, 这篇博客: 机器学习-Stacking方法的原理及实现中的 对stacking模型网格搜索调参 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
这里仍然使用上一个案例的模型,下面是代码及结果。
from mlxtend.regressor import StackingRegressor from mlxtend.data import boston_housing_data from sklearn.linear_model import LinearRegression, Ridge, Lasso from sklearn.svm import SVR from sklearn.model_selection import train_test_split, GridSearchCV from sklearn.metrics import mean_squared_error import numpy as np import matplotlib.pyplot as plt x, y = boston_housing_data() x = x[:100] y = y[:100] # 划分数据集 x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2) # 初始化基模型 lr = LinearRegression() svr_lin = SVR(kernel='linear', gamma='auto') svr_rbf = SVR(kernel='rbf', gamma='auto') ridge = Ridge(random_state=2019,) models = [lr, svr_lin, svr_rbf, ridge] params = { 'ridge__alpha': [0.1, 1.0, 10.0], } sclf = StackingRegressor(regressors=models, meta_regressor=ridge) # 训练回归器 grid = GridSearchCV(estimator=sclf, param_grid=params, cv=5, refit=True) grid.fit(x_train, y_train) print(grid.best_params_, grid.best_score_)
如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^解决 无用评论 打赏 举报
悬赏问题
- ¥15 Windows X86 远线程注入问题解惑
- ¥15 Vs2022安装时黑框闪退无反应
- ¥15 嵌入式设备网口down后再up时不能link?
- ¥15 关于区块链和边缘计算
- ¥15 做一个简单项目,用Python分析共享单车的数据
- ¥20 在使用CESM2.2.0模型进行case.submit过程中出现如下错误(关键词-Map)
- ¥15 有办法改变通过wifi进入的网站的设置吗
- ¥15 label_studio
- ¥15 请教如何phython发邮件
- ¥15 linux系统安装问题