其他分享
首页 > 其他分享> > 集成学习方法三

集成学习方法三

作者:互联网

Stacking

Stacking集成算法可以理解为一个两层的集成,第一层含有多个基础分类器,把预测的结果(元特征)提供给第二层, 而第二层的分类器通常是逻辑回归,他把一层分类器的结果当做特征做拟合输出预测结果

blending集成学习方法

Blending集成学习方式:

优点:就是实现简单粗暴,没有太多的理论的分析。

缺点:blending只使用了一部分数据集作为留出集进行验证,也就是只能用上数据中的一部分,实际上这对数据来说是很奢侈浪费的。

Stacking集成学习方法

[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-EQasvyHc-1627478304925)(D:\学习\计算机\机器学习\集成学习-datawhale\CH5-集成学习之blending与stacking\4.jpg)]

5

Blending与Stacking对比

Blending的优点在于:

而缺点在于:

标签:集成,set,预测,训练,模型,学习,方法,2500
来源: https://blog.csdn.net/m0_48405271/article/details/119190380