知识卡片
堆叠用模型预测当特征
第一层各成员输出分数或概率,第二层用这些输出作为特征学习组合。训练第二层时,可用折外预测,即每条元特征由没见过该样本的基模型产生。上线时使用在整个训练集拟合的基模型给新样本生成元特征。
[[集成区分训练与聚合]]。堆叠用训练得出的组合器聚合成员输出。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 11.2.3 Stacking算法 · 查看原书依据
器之间的地位是平等的。但Stacking算法则不同。Stacking的学习器分两层,第一层还是若干弱学习器,它们分别进行预测,然后把预测结果传递给第二层,第二层通常只有一个机器学习模型,这个模型将根据第一层的预测结果最终给出预测结果,
参考来源
- 位置:《机器学习算法的数学解析与Python实现》11.2.3 Stacking算法(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00121.html`)
- 结论依据:本节说明两层模型及第二层对第一层预测结果的使用。
- 原始内容:器之间的地位是平等的。但Stacking算法则不同。Stacking的学习器分两层,第一层还是若干弱学习器,它们分别进行预测,然后把预测结果传递给第二层,第二层通常只有一个机器学习模型,这个模型将根据第一层的预测结果最终给出预测结果,