机器学习集成模型学习——投票集成Voting(二)
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 ...
最新文章
- openwrt 系统日志配置_Openwrt 之 Samba配置
- 静态路由出接口的配置
- Linux 命令之 xz -- POSIX 平台的具有高压缩率的压缩工具
- laravel手动误删了迁移文件,重新生成
- Tip:在使用AjaxControlTookit的控件时响应事件
- 呵呵,你这是在背面试题吧?ThreadLocal使用中会有那些坑?
- 酷狗php 技术题目,广州酷狗php面试题(赋答案)
- 老华为交换机S3500配置SSH
- SolidWorks结构件铝型材无法对齐
- pcshare个人版
- Java项目的一些文件及其功能、使用方式。
- Python求正态分布曲线下面积
- java smtp.126.com_java开发_STMP邮箱客户端_发送邮件
- 某单机斗地主内购破解
- 旋转木马图片效果图,轮播图
- VR云游带你浏览景区,云游的体验和应用介绍!
- 中小学教师资格考试介绍
- 2018-10-29 直播课笔记
- 微软共同创办人保罗艾伦逝世,终年65岁
- 交通灯linux程序,PLC十字路口的交通灯控制编程实例
热门文章
- SPH(光滑粒子流体动力学)流体模拟实现六:Position Based Fluid(PBF)
- 导出参考文献是ciw格式_参考文献排版,这几点非常重要!
- STL之inner_product
- IDEA 工具使用报错总结
- parallels desktop
- 国外一些知名ASP.Net开源CMS系统
- 利用SqlBuikCopy实现数据批量写入
- python 格式化工具_推荐一个小而美的 Python 格式化工具
- java解析ajax的数据_java ajax 请求后获取 json 数据 以及 使用 解析 ,解惑
- php能干哪些副业,做副业,在能干的基础上踏实肯干