Voting集成

投票机制就是多个模型分别预测，然后投票，票数最高的就是整个模型最后的效果

案例代码

from sklearn.linear_model import LogisticRegression
from sklearn.naive_bayes import GaussianNB
from sklearn.ensemble import RandomForestClassifier, VotingClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score# ============= 准备数据 =============
x, y = make_classification(n_samples=10000, n_classes=4, n_informative=5)
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=100)# ============= 准备模型 =============
clf1 = LogisticRegression(multi_class='multinomial', random_state=1)
clf2 = RandomForestClassifier(n_estimators=50, random_state=1)
clf3 = GaussianNB()# ============= 集成模型 =============
vot_classifier = VotingClassifier(estimators=[('lr', clf1),('rf', clf2),('gnb', clf3)],voting='soft',flatten_transform=True)# ============= 开始预测 =============
vot_classifier.fit(x_train, y_train)
print("acc：", accuracy_score(vot_classifier.predict(x_test), y_test))

参考文章

sklearn voting 官方文档：https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.VotingClassifier.html

机器学习集成模型学习——投票集成Voting（二）相关推荐

机器学习集成模型学习——Stacking集成学习（五）
stacking集成模型示例如下: stacking一般由2层堆叠构成 Stacking集成算法思路上图为整体流程,思路如下: 把原始数据切分成两部分:训练集D-train与测试集D-test,训练 ...
机器学习集成模型学习——Bagging集成学习（三）
Bagging bagging的集成方式是: 用1个模型(元模型) 然后将这个元模型分成多个相同模型,每个模型使用训练集的一部分进行训练,得到多个基模型最后测试时分别跑每个模型,平均结果得出这个集成 ...
机器学习集成模型学习——Boosting集成学习（四）
Boosting Boosting模型是线性训练的,后面的模型会纠结于前一个模型预测错的部分,然后尝试把它修正,步骤如下: 第一个模型用一部分训练集训练,得出这部分训练集上的错误点错误的数据会有更大 ...
使用机器学习和深度学习对PE进行二分类和多分类
文章目录 1. 前言 2. 安装库 2.1 安装lief 2.2 安装ember 3. 数据预处理 4. 训练模型 5. 预测新数据 5.1 二分类预测 5.2 多分类预测 6. 代码下载 1. 前言 ...
SWAT模型学习小技巧（二）
2 新大陆出现了吗? 我好像找到SWAT运行失败的原因了.今天我检查数据库的时候,发现所有土壤的PH值都是0,原因是SWAT数据库导入的时候是默认没有PH.碳酸钙含量这两个选项的,导致其被赋为默认值0 ...
机器学习训练建模、集成模型、模型评估等代码总结（2019.05.21更新）
这篇博客总结一些有关机器学习的模型代码与评价指标,力求一针见血,复制粘贴即可食用,hhhhhh,不定期更新代码中使用的案例是pandas构造的dataframe型的数据,变量名为 dataframe ...
在深度学习中使用Bagging集成模型
集成模型是什么? 集成是一种机器学习概念,使用相同的学习算法训练多个模型.Bagging是一种减少预测方差的方法,通过使用重复组合生成多组原始数据,从数据集生成额外的训练数据.Boosting 是一种 ...
《机器学习实战》学习笔记（八）：预测数值型数据 - 回归
欢迎关注WX公众号:[程序员管小亮] [机器学习]<机器学习实战>读书笔记及代码总目录 https://blog.csdn.net/TeFuirnever/article/details ...
（七）集成学习中-投票法Voting
集成学习第一法宝:投票! 参考:DataWhale教程链接集成学习(上)所有Task: (一)集成学习上--机器学习三大任务 (二)集成学习上--回归模型 (三)集成学习上--偏差与方差 (四)集成 ...

机器学习集成模型学习——投票集成Voting（二）

Voting集成

案例代码

参考文章

机器学习集成模型学习——投票集成Voting（二）相关推荐

最新文章

热门文章