Day13-集成学习-机器学习-Stacking(DataWhale)

最新推荐文章于 2024-03-31 08:46:13 发布

liying_tt

最新推荐文章于 2024-03-31 08:46:13 发布

阅读量303

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：机器学习

本文链接：https://blog.csdn.net/liying_tt/article/details/116749136

本文详细介绍了Stacking集成算法的原理和实现，包括3折CV分类、使用概率作为元特征、5折CV分类与网格搜索、在不同特征子集上的应用，以及ROC曲线的绘制。通过mlxtend工具包实现StackingClassifier，并探讨了Stacking与Blending的对比，强调了Stacking在使用多次交叉验证上的优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、Stacking集成算法

1.1 原理

下面，我们来实际应用下Stacking是如何集成算法的：(参考案例：https://www.cnblogs.com/Christina-Notebook/p/10063146.html)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wXgWEbRV-1620887337278)(./5.png)]

首先将数据分为训练集和测试集。再将训练集分为5份：train1,……,train5
选定基模型。并在训练集上对每个模型进行5折交叉验证，这样得到在训练集上的5个预测值和在测试集上的1份预测值B1。将5份纵向重叠合并起来得到A1。三个基模型得到A1, A2, A3和B1, B2, B3
三个基模型训练完成后，将三个模型在训练集上的预测值作为三个特征A1, A2, A3，使用LR模型进行训练，建立LR模型
使用训练好的LR模型，在B1, B2, B3上进行预测，得到最终的预测类别或概率

1.2 实现

sklearn没有直接对Stacking的方法，需要下载mlxtend工具包

1.2.1 简单堆叠3折CV分类

from sklearn import datasets
from sklearn.model_selection import cross_val_score
from sklearn.linear_model import LogisticRegression
from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.ensemble import RandomForestClassifier
from mlxtend.classifier import StackingCVClassifier

Random_seed = 42

iris = datasets.load_iris()
X, y = iris.data[:, 1:3], iris.target

# 第一层：基模型
clf1 = KNeighborsClassifier(n_neighbors=1)
clf2 = RandomForestClassifier(random_state = Random_seed)
clf3 = GaussianNB()
# 第二层：逻辑回归模型
lg = LogisticRegression()

sclf = StackingCVClassifier(classifiers=[clf1, clf2, clf3], #第一层分类器
                           meta_classifier = lg,  #第二层分类器
                           random_state = Random_seed)

print('3-fold cross validation:\n')

for clf, label in zip([clf1, clf2, clf3, sclf], ['KNN', 'Random Forest', 'Naive Bayes', 'StackingClassifier']):
    scores = cross_val_score(clf, X, y , cv=3, scoring='accuracy')
    print("Accuracy: %0.2f (+/- %0.2f) [%s]" %(scores.mean(), scores.std(),label))

3-fold cross validation:

Accuracy: 0.91 (+/- 0.01) [KNN]
Accuracy: 0.95 (+/- 0.01) [Random Forest]
Accuracy: 0.91 (+/- 0.02) [Naive Bayes]
Accuracy: 0.93 (+/- 0.02) [StackingClassifier]

# 绘制决策边界
from mlxtend.plotting import plot_decision_regions
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import itertools

gs = gridspec.GridSpec(2, 2)
fig = plt.figure(figsize=(10,8))
for clf, lab, grd in zip([clf1, clf2, clf3, sclf],
                        ['KNN', 'Random Forest', 'Naive Bayes', 'StackingCVClassifier'