机器学习模型融合stacking详解+实战

原创

皮大大

发布于 2024-05-17 08:50:18

2.5K00

代码可运行

文章被收录于专栏：机器学习/数据可视化机器学习/数据可视化

运行总次数：0

代码可运行

公众号：尤而小屋编辑：Peter 作者：Peter

大家好，我是Peter~

今天给大家分享一个机器学习和数据挖掘的模型融合方法：Stacking

1 Stacking原理

Stacking是一种集成学习技术，也被称为堆叠泛化，是一种机器学习中的Ensemble方法，它通过组合多个模型的预测来提高整体的预测性能。

具体来说，Stacking的工作流程如下：

训练基学习器：首先训练多个不同的模型，这些模型被称为基学习器或一级学习器。每个基学习器都是独立训练的，并且可以使用不同的算法或参数。
生成一级预测结果：使用这些基学习器对训练集或另一个数据集进行预测，得到每个模型的预测结果。
构造次级学习器：将基学习器的预测结果作为新的特征输入到一个次级学习器中，这个次级学习器也被称为元学习器或二级学习器。元学习器的目标是通过组合基学习器的预测来得到最终的预测结果。
得到最终预测结果：使用元学习器对基学习器的预测结果进行二次预测，从而得到最终的预测结果。

图片来源：https://blog.csdn.net/weixin_40633696/article/details/108721395

关于多个机器学习模型进行stacking，作者通过图解进行详细解释：

https://www.cnblogs.com/Christina-Notebook/p/10063146.html

将原始数据训练集和测试集，然后将训练集分成5份：train1,train2,train3,train4,train5。
选定基模型。假定选择xgboost, lightgbm 和 randomforest 作为基模型。比如xgboost模型部分：依次用train1,train2,train3,train4,train5作为验证集，其余4份作为训练集，进行5折交叉验证进行模型训练；再在测试集上进行预测。这样会得到在训练集上由xgboost模型训练出来的5份predictions，和在测试集上的1份预测值B1。将这五份纵向重叠合并起来得到A1。lightgbm和randomforest模型部分同理。
三个基模型训练完毕后，将三个模型在训练集上的预测值作为分别作为3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，在三个基模型之前在测试集上的预测值所构建的三个"特征"的值(B1,B2,B3)上，进行预测，得出最终的预测类别或概率。

下面通过代码实操看看基于Stacking模型堆叠集成和单个模型的效果对比：

2 导入库

In 1:

import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier, StackingClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.svm import SVC
from sklearn.datasets import load_iris, load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

import warnings
warnings.filterwarnings("ignore")

3 数据切分

分离X和y，并切分数据集：

In 2:

cancer = load_breast_cancer()
X = cancer.data
y = cancer.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4 RandomForestClassifier单模型预测

实例化模型对象：

In 3:

rf = RandomForestClassifier()

进行模型训练：

In 4:

rf.fit(X_train,y_train)

模型的预测：

In 5:

y_pred = rf.predict(X_test)

输出单个模型的准确率：

In 6:

acc1 = accuracy_score(y_test, y_pred) 
acc1

Out6:

0.9649122807017544

5 KNeighborsClassifier单模型预测

In 7:

knc = KNeighborsClassifier()
knc.fit(X_train,y_train)

模型的预测：

In 8:

y_pred = knc.predict(X_test)

In 9:

acc2 = accuracy_score(y_test, y_pred)
acc2

Out9:

0.956140350877193

6 SVC单模型预测

In 10:

svc = SVC()  
svc.fit(X_train,y_train)

进行模型的预测：

In 11:

y_pred = svc.predict(X_test)

In 12:

acc3 = accuracy_score(y_test, y_pred)
acc3

Out12:

0.9473684210526315

7 基于Stacking的模型融合预测

7.1 定义基分类器

In 13:

base_models = [
    ('rf', RandomForestClassifier(n_estimators=50, random_state=42)),
    ('knn', KNeighborsClassifier()),
    ('svc', SVC(probability=True, random_state=42))
]

7.2 定义最终的逻辑回归分类器

In 14:

meta_model = LogisticRegression()

7.3 定义堆叠集成

In 15:

stacking_clf = StackingClassifier(estimators=base_models, final_estimator=meta_model)
stacking_clf.fit(X_train, y_train)

基于融合模型的预测：

In 16:

y_pred = stacking_clf.predict(X_test)
acc = accuracy_score(y_test, y_pred)

acc

Out16:

0.9736842105263158

对比两种方案的效果：

In 17:

print("基于Stacking模型融合比RandomForestClassifier提升效果：{:.2f}%".format((acc - acc1) * 100))
print("基于Stacking模型融合比KNeighborsClassifier提升效果：{:.2f}%".format((acc - acc2) * 100))
print("基于Stacking模型融合比SVC提升效果：{:.2f}%".format((acc - acc3) * 100))

基于Stacking模型融合比RandomForestClassifier提升效果：0.88%
基于Stacking模型融合比KNeighborsClassifier提升效果：1.75%
基于Stacking模型融合比SVC提升效果：2.63%

最终的结果对比：发现stacking融合后比单个模型的效果都有所提升

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

机器学习

人工智能

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

登录后参与评论

0 条评论

热度