集成算法stacking

集成算法--stacking##

1. stacking是什么
   stacking是各类算法模型的融合堆叠。假设有四种算法A、B、C、D， 你用A、B、C三种算法，分为对训练集和测试集训练，生成三组被预测了的新的train和test集，然后在用算法D对其训练，最终生成最终的结果。

2. 细解流程：如何生成新的预测了的pred_train。

• ①以算法A为例，此时加载了数据，训练集train和测试集test。先对训练集train进行五折交叉，生成五组 train_part和valid验证集，且保证valid集的index不重合
• ②对每组的train_part进行训练，然后预测valid，生成pred_valid，五组验证完后，正好五个pred_valid对应train中所有数据的预测值，五个pred_valid合并后即pred_train_A
• ③而在对每组train_part训练的过程中，生成的模型，不仅对valid进行预测，同时也对test进行预测，生成五组pred_mid_test, 因为test并没有分成五份，所以对五组pred_mid_test取中位数，生成最终的pred_test_A
• ④ 同样对算法B、C重复以上步骤1,2,3， 生成pred_train_B, pred_test_B, pred_train_C, pred_test_C
• ⑤ 最后将pred_train_A, pred_train_B, pred_train_C组成新的一个三列的train_DataFrame，三个test则再组成一个新的test_DataFrame,然后用算法D来训练和生成最终的结果

3.图解：
1.暂时没找到

4. 其他可读文章
   1.待更新