Kaggle知识点:模型加权集成7种方法

在竞赛中如果对多个预测结果进行集成,最方便的做法是直接对预测结果进行加权求和。此时不同任务,加权方法不同:

  • 分类任务:类别投票 & 概率值加权
  • 回归任务:预测值加权
  • 排序任务:排序次序加权
  • 目标检测任务:预测结果NMS
  • 语义分割任务:像素类别投票 & 加权

在本文中我们将介绍最常见的分类 & 回归任务的结果加权方法,也就是Blend操作。

多样性 & 精度差异

在对结果进行集成时需要考虑如下两点:

  • 模型的多样性:
  • 模型的精度差异;

集成学习的精度收益是需要模型&预测结果的多样性,如果多样性不足,则最终预测结果和单个模型类似。

精度差异是指模型之间的精度差异,如果精度差异很大最终集成的效果也不会很好。如下情况2的模型精度差异就较大。

三个模型精度:[0.9, 0.92, 0.92]
三个模型精度:[0.9, 0.8, 0.7]

Out of fold

Out of fold又名袋外预测,是一个模型在交叉验证的过程中使用训练部分进行训练,然后对验证集进行预测,交替得到训练集和测试集预测结果。

如果我们拥有三个模型,通过交叉验证可以得到3个训练集预测结果和3个验证集预测结果。

如下展示的几种方法,都需要训练集标签 与 训练集预测结果搜索得到参数,然后将参数在测试集上进行使用。

方法1:均值加权

  • 原理:对所有模型的预测结果计算均值;
  • 优点:简单,过拟合可能性低;
  • 缺点:会受到模型原始精度差异的影响;
oof_preds = [] for col in oofCols:
    oof_preds.append(oof_df[col])

y_avg = np.mean(np.array(oof_preds), axis=0)

方法2:权重加权

  • 原理:对所有模型的预测结果加权求和;
  • 优点:比均值更加可控;
  • 缺点:权重需人工设置,更容易过拟合;
weights = [1,2,3]
y_wtavg = np.zeros(len(oof_df)) for wt, col in zip(weights, oofCols):
    y_wtavg += (wt*oof_df[col])

y_wtavg = y_wtavg / sum(weights)

方法3:排序加权

  • 原理:对预测结果进行排序,使用次序代替原始取值;
  • 优点:适合分类任务,对概率进行集成;
  • 缺点:会受到模型原始精度差异的影响;
rankPreds = [] for i, col in enumerate(oofCols):
    rankPreds.append(oof_df[col].rank().values)

y_rankavg = np.mean(np.array(rankPreds), axis=0)

方法4:排序权重加权

  • 原理:对预测结果进行排序,使用次序进行加权求和;
  • 优点:比均值更加可控;
  • 缺点:权重需人工设置,更容易过拟合;
rankPreds = []
weights = [1,2,3] for i, col in enumerate(oofCols):
    rankPreds.append(oof_df[col].rank().values * weights[i])


y_rankavg = np.mean(np.array(rankPreds), axis=0)

方法5:爬山法加权

  • 原理:权重进行搜索,保留最优的权重;
  • 优点:可以自动权重权重大小;
  • 缺点:更容易过拟合;
for w1 in np.linspace(0, 1, 100):
  for w2 in np.linspace(0, w2, 100):
    w3 = 1 - w1 - w3
    
    如果 w1, w2, w3取得更好的精度,保留权重
    否则尝试下一组权重组合

方法6:线性回归加权

  • 原理:使用线性回归确定权重
  • 优点:可以自动权重权重大小;
  • 缺点:需要额外训练,容易过拟合;
from sklearn.linear_model import LinearRegression

lr = LinearRegression(fit_intercept=False)
lr.fit(
   三个模型对训练集预测结果,
   训练集标签
)

lr.coef_ # 线性回归的权重 

方法7:参数优化加权

  • 原理:使用优化方法搜索权重
  • 优点:可以自动权重权重大小;
  • 缺点:需要额外训练,容易过拟合;
def f(x):
    return x[0]**2 + x[1]**2 + (5 - x[0] - x[1])
    
from scipy import optimize
minimum = optimize.fmin(f, [1, 1])
上一篇

美本申请可以参加的社科类竞赛推荐!(下)

下一篇

SAT考试中的数学部分难吗?SAT如何考800分?

你也可能喜欢

评论已经被关闭。

插入图片
微信咨询 微信咨询
微信咨询
在线咨询 在线咨询
在线咨询
返回顶部