集成学习
集成学习(又称模型融合)就是结合若干个体分类器(基学习器)进行综合预测，各个个体学习器通常是弱学习器。集成学习相较于个体学习在预测准确率以及稳定性上都有很大的提高。
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
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
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。
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)
